Identificação de anomalias nas mamas através da extração de características de termogramas
Loading...
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Instituto Federal de Educação, Ciência e Tecnologia do Piauí
Resumo
A Termografia tem sido fortemente utilizada em vários campos da medicina há
alguns anos. Como ferramenta auxiliar no monitoramento e detecção de câncer de
mama, porém, ainda enfrenta diversas limitações. Este trabalho utiliza Termografias
de mamas com o objetivo de classificar as pacientes como saudáveis ou doentes.
Foram utilizadas 18 pacientes como banco de dados. As imagens foram adquiridas
através do banco de dados VISUAL-LAB, que utiliza imagens de pacientes do
hospital universitário Antônio Pedro da Universidade Federal Fluminense (UFF).
Uma câmera infravermelha da marca FLIR modelo SC-620, com resolução de
640X480, foi utilizada para capturar as imagens das pacientes. Cada imagem
térmica possui uma matriz de temperatura correspondente que relaciona cada pixel
da imagem a uma temperatura. As regiões de interesse (ROIs) são regiões de uma
imagem que apresentam características importantes em uma análise. No caso das
termografias as ROIs correspondem às mamas esquerda e direita das pacientes. A
segmentação das Regiões de interesse (ROIs) foi realizada manualmente utilizando
o GIMP. Partindo do princípio que o corpo é dividido simetricamente pelo plano
sagital, espera-se que a distribuição das temperaturas das mamas esquerda e direita
também seja simétrica. Nesse contexto, para análise das simetrias das mamas,
foram extraídas características divididas em 3 grandes grupos. Os grupos utilizados
foram: características baseadas em estatísticas, geometria fractal e histograma. A
implementação dos métodos para extração das características foi realizada com a
IDE Microsoft Visual C++ e a biblioteca OPENCV, utilizando como classificador o
SVM que é um classificador linear fundamentado em teorias estatísticas. A validação
cruzada foi utilizada para avaliar a capacidade de generalização do modelo. Os
dados foram analisados usando métricas de avaliação como Sensibilidade,
Especificidade, Índice de Youden, Acurácia e Área sob a curva ROC. Os resultados
finais alcançaram 77% de acurácia, 69% de sensibilidade 100% de especificidade,
0,6923 de índice de Youden e 0,694 de área sob a curva ROC
Description
Keywords
Termografia, Geometria Fractal, Histograma, Support Vector Machine (SVM)
Citation
MATOS, Bárbara Rayra de Sousa. Identificação de anomalias nas mamas através da extração de características de termogramas. 2014. 48 f. Trabalho de Conclusão de Curso (Tecnologia em Análise e Desenvolvimento de Sistemas) - Instituto Federal de Educação, Ciência e Tecnologia do Piauí, Campus Teresina Central, Teresina, 2014.