Aplicação de modelos de redes neurais artificiais na segmentação e classificação de nódulos em imagens de ultrassonografia de mama (2013)
- Authors:
- Autor USP: MARCOMINI, KAREM DAIANE - EESC
- Unidade: EESC
- Sigla do Departamento: SEL
- Subjects: ULTRASSOM; REDES NEURAIS; NEOPLASIAS MAMÁRIAS (CLASSIFICAÇÃO); PROCESSAMENTO DE IMAGENS
- Language: Português
- Abstract: Muitos procedimentos vêm sendo desenvolvidos para auxiliar no diagnóstico precoce do câncer de mama. Nesse âmbito, a ultrassonografia tornou-se uma ferramenta indispensável na distinção entre lesões benignas e malignas. Devido a subjetividade na interpretação de imagens, os esquemas CAD têm oferecido ao especialista uma segunda opinião mais precisa e confiável. Nesse propósito, essa pesquisa apresenta uma metodologia para a detecção e caracterização automática de achados ultrassonográficos da mama. Os ensaios tiveram por base a utilização de imagens obtidas por simuladores e, a partir de resultados consideráveis, foram aplicados sobre exames clínicos. O processo teve início com o emprego de um pré-processamento (filtro de wiener, equalização e filtro da mediana) para a minimização do ruído. Em seguida, cinco técnicas de segmentação foram averiguadas a fim de determinar a representação mais concisa. Dentre elas, a rede neural SOM mostrou-se como a mais relevante. Após a delimitação do objeto, foram definidas as características mais expressivas para a descrição morfológica do achado. Esses dados serviram de entrada para o classificador neural MLP. A acurácia alcançada durante o treinamento em imagens simuladas foi de 94,2%, produzindo um Az de 0,92. Para avaliar a generalização dos dados, foi efetuada a classificação com imagens desconhecidas ao sistema, tanto em simuladores quanto em exames clínicos, nesses casos a acurácia foi de 90% e 81%, respectivamente. O classificador proposto apresentou-se como uma importante ferramenta de auxílio ao diagnóstico em ultrassonografias de mama
- Imprenta:
- Publisher place: São Carlos
- Date published: 2013
- Data da defesa: 26.03.2013
-
ABNT
MARCOMINI, Karem Daiane. Aplicação de modelos de redes neurais artificiais na segmentação e classificação de nódulos em imagens de ultrassonografia de mama. 2013. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2013. Disponível em: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-29042013-113320/. Acesso em: 28 dez. 2025. -
APA
Marcomini, K. D. (2013). Aplicação de modelos de redes neurais artificiais na segmentação e classificação de nódulos em imagens de ultrassonografia de mama (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/18/18152/tde-29042013-113320/ -
NLM
Marcomini KD. Aplicação de modelos de redes neurais artificiais na segmentação e classificação de nódulos em imagens de ultrassonografia de mama [Internet]. 2013 ;[citado 2025 dez. 28 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-29042013-113320/ -
Vancouver
Marcomini KD. Aplicação de modelos de redes neurais artificiais na segmentação e classificação de nódulos em imagens de ultrassonografia de mama [Internet]. 2013 ;[citado 2025 dez. 28 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-29042013-113320/ - Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes
- Ensemble of convolutional neural networks for COVID-19 localization on chest X-ray images
- Proposal of semi-automatic classification of breast lesions for strain sonoelastography using a dedicated CAD system
- Classification of lesions in breast elastography images based on strain : a performance evaluation between manual delineation and automatic segmentation
- O efeito do fator de correção da curva característica do sistema de registro da imagem na segmentação do nódulo em mamografia digital
- Aplicação da inteligência artificial em imagem cardiovascular: classificação automática de imagens de radiografia de tórax
- A deep learning approach for COVID-19 screening and localization on chest x-ray images
- Evaluation of the impact of physical adversarial attacks on deep learning models for classifying covid cases
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
