Tese

Novas abordagens para detecção automática de distorção arquitetural na mamografia digital e tomossíntese mamária (2019)

• Authors:
  • Oliveira, Helder Cesar Rodrigues de
  • Vieira, Marcelo Andrade da Costa (Orientador)
• Autor USP: OLIVEIRA, HELDER CESAR RODRIGUES DE - EESC
• Unidade: EESC
• Sigla do Departamento: SEL
• Subjects: MAMOGRAFIA; TERCEIRA DIMENSÃO; NEOPLASIAS MAMÁRIAS
• Keywords: Filtro de Gabor; Tomossíntese Digital Mamária; Distorção arquitetural
• Agências de fomento:
  • Financiado pelo BEMUNDUS
• Language: Português
• Abstract: O câncer de mama é a doença que mais acomete as mulheres em todo o mundo, sendo o tratamento mais eficaz se for diagnosticada em estágio inicial. A partir de 2011, nos programas de rastreamento de países desenvolvidos, vem sendo empregada uma nova modalidade de exame, a tomossíntese digital mamária (Digital Breast Tomosynthesis - DBT), que possui diversas vantagens se comparada à mamografia digital. No exame, o médico radiologista busca por sinais suspeitos na imagem, como: nódulos, microcalcificações e distorção arquitetural mamária (DAM). Sendo que, este último pode representar o estágio mais inicial de um câncer em formação, podendo se manifestar antes da formação de qualquer outra lesão. No entanto, a DAM é difícil de ser detectada pois modifica o tecido mamário de forma sutil, não havendo qualquer formação de massa ou a borda definida. Os sistemas computacionais de auxílio ao diagnóstico (Computer-Aided Detection - CAD) vêm apresentando alto desempenho na detecção de nódulos e microcalcificações mamárias, mas para o caso da DAM, o desempenho ainda é insatisfatório. Algumas limitações são normalmente reportadas nos algoritmos adotados para detectar automaticamente a DAM. O presente trabalho tem por objetivo propor novas abordagens para aumentar a precisão dos métodos computacionais de detecção: o uso de descritores de micro-padrões local para discriminação de áreas suspeitas; redução de falsos-positivos; uso do volume 3D fornecido pelo exame de DBT e; uso de arquitetura de aprendizagem profunda para discriminação e classificação de regiões suspeitas. Os diversos testes efetuados em cada proposta mostraram que é possível melhorar as taxas de detecção da DAM, mesmo para imagens de DBT onde ainda não há um esquema computacional de detecção bem estabelecido.
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2019
• Data da defesa: 26.08.2019


---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  OLIVEIRA, Helder Cesar Rodrigues de. Novas abordagens para detecção automática de distorção arquitetural na mamografia digital e tomossíntese mamária. 2019. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-02102019-140208/. Acesso em: 12 jan. 2026.

• APA

  Oliveira, H. C. R. de. (2019). Novas abordagens para detecção automática de distorção arquitetural na mamografia digital e tomossíntese mamária (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/18/18152/tde-02102019-140208/

• NLM

  Oliveira HCR de. Novas abordagens para detecção automática de distorção arquitetural na mamografia digital e tomossíntese mamária [Internet]. 2019 ;[citado 2026 jan. 12 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-02102019-140208/

• Vancouver

  Oliveira HCR de. Novas abordagens para detecção automática de distorção arquitetural na mamografia digital e tomossíntese mamária [Internet]. 2019 ;[citado 2026 jan. 12 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-02102019-140208/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Proposta de redução da dose de radiação na mamografia digital utilizando novos algoritmos de filtragem de ruído Poisson
• A novel fusion-based texture descriptor to improve the detection of architectural distortion in digital mammography
• Exploratory learning with convolutional autoencoder for discrimination of architectural distortion in digital mammography
• Data augmentation: effect in deep convolutional neural network for the detection of architectural distortion in digital mammography
• Detection of architectural distortion with deep convolutional neural network and data augmentation of limited dataset
• Using the non-local means algorithm to denoise mammographic images acquired with reduced radiation dose
• A cross-cutting approach for tracking architectural distortion locii on digital breast tomosynthesis slices
• Evaluation of block-matching and 3D filtering and wavelet transform with shrink-thresholding technique for digital mammography denoising
• Método para simulação da redução da dose de radiação na mamografia