Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes (2017)
- Authors:
- Autor USP: MARCOMINI, KAREM DAIANE - EESC
- Unidade: EESC
- Sigla do Departamento: SEL
- Subjects: PROCESSAMENTO DE IMAGENS; ULTRASSONOGRAFIA MAMÁRIA; NEOPLASIAS MAMÁRIAS
- Keywords: B-mode ultrasound; Breast cancer; Concordância interobservador; Descritores de características; Elastografia; Elastography; Feature descriptors; Image processing; Interobserver agreement; Ultrassom modo-B
- Language: Português
- Abstract: Muitos procedimentos vêm sendo desenvolvidos para auxiliar no diagnóstico precoce do câncer de mama. Devido a subjetividade na interpretação de imagens, os sistemas de diagnóstico auxiliado por computador (CADx) têm oferecido ao especialista uma segunda opinião mais precisa e confiável. Nesse propósito, essa pesquisa apresenta uma metodologia de investigação da potencialidade diagnóstica de um sistema computacional na classificação de achados suspeitos em imagens de ultrassom modo-B e de elastografia da mama. A base de dados foi constituída por 31 lesões malignas e 52 benignas e um conjunto adicional contendo 206 lesões de ultrassom modo-B (144 benignas e 62 malignas) para a realização dos testes de aprendizado de máquina. O contorno foi determinado automaticamente e através do delineamento manual de três radiologistas sob a imagem de ultrassom modo-B e, em seguida, mapeado na imagem elastográfica. As lesões foram classificadas pelo sistema CADx desenvolvido para ultrassom modo-B e elastografia do tipo strain. Os dados foram avaliados por meio da sensibilidade, especificidade e AUC. O sistema CADx desenvolvido proporcionou equivalência diagnóstica para a classificação das lesões a partir das diversas formas de determinação do contorno (manual e automática), permitindo a redução da variabilidade. Além disso, o sistema apontou resultados superiores à análise visual do radiologista que, quando considerado o resultado fornecido pela associação entre as imagens de ultrassom modo-B e elastografia, proporcionou um aumento comparativo de cerca de 7% em sensibilidade e 17,2% em especificidade nos testes com o sistema CADx usando o contorno feito pelo radiologista mais experiente.Além disso, constatou-se uma influência positiva no uso da ferramenta computacional pelos radiologistas, pois, na média, seus índices de sensibilidade e especificidade diagnóstica aumentaram também em relação à situação de análise convencional, passando de 87,1% e 55,8% para 90,3% e 73,1%, respectivamente
- Imprenta:
- Publisher place: São Carlos
- Date published: 2017
- Data da defesa: 30.10.2017
-
ABNT
MARCOMINI, Karem Daiane. Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes. 2017. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2017. Disponível em: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-08122017-113952/. Acesso em: 24 abr. 2024. -
APA
Marcomini, K. D. (2017). Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/18/18152/tde-08122017-113952/ -
NLM
Marcomini KD. Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes [Internet]. 2017 ;[citado 2024 abr. 24 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-08122017-113952/ -
Vancouver
Marcomini KD. Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes [Internet]. 2017 ;[citado 2024 abr. 24 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-08122017-113952/ - Aplicação de modelos de redes neurais artificiais na segmentação e classificação de nódulos em imagens de ultrassonografia de mama
- 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
