Banca de DEFESA: JOÃO OTÁVIO BANDEIRA DINIZ
2017-01-17 12:22:02.346
Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: JOÃO OTÁVIO BANDEIRA DINIZ
DATA: 03/02/2017
HORA: 15:00
LOCAL: Auditório do NCA
TÍTULO: Detecção de Regiões de Massa por Análise Bilateral adaptado a Densidade da Mama utilizando Indices de Similaridade e Redes Neurais Convolucionais
PALAVRAS-CHAVES: Imagens medicas, Registro de imagens, ındices de similaridade, reduçao
de falsos positivos, redes neurais convolucioanis
PÁGINAS: 95
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: O cancer de mama e o tipo de cancer que mais acomete as mulheres e uma das principais
causas de morte em todo o mundo. Visando auxiliar a deteccao e diagnostico desta
patologia, diversas tecnicas na area de imagem estao sendo criadas servindo como uma
segunda opiniao. Sabe-se que mamografias da mama esquerda e direita apresentam alto
grau simetria, e quanto h´a uma diferenca brusca entre os pares, pode-se considerar algo
suspeito. Ressalta-se tambem que a mama pode apresentar densidade diferente do tecido e
isso pode ser um fator que dificulte na detecçao e diagnostico das lesoes. Assim, o objetivo
deste trabalho ´e desenvolver uma metodologia automatica de detecçao de regioes de
massa em pares de mamografias digitalizadas adaptado a densidade da mama, utilizando
tecnicas de processamento de imagens e comparaçao de especies para determinar regioes
assimetricas nas mamas juntamente com redes neurais convolucionais para classificaçao
de densidade da mama e de regioes em massas e nao massas. A metodologia proposta
´e dividida em duas fases: fase de treinamento e fase de teste. Na fase de treinamento
serao criados tres modelos utilizando redes neurais convolucionais, o primeiro capaz de
classificar a mama quanto a densidade e os dois ultimos classificar regioes de massa e nao
massa em mamas densas e nao densas Na fase de teste, imagens de mamografia da DDSM
passarao por varias etapas afim de segmentar regioes assimetricas que serao posteriormente
classificada. As etapas resumem-se em alinhar as mamas para que seja possıvel fazer uma
compara¸cao entre os pares. Ao comparar, serao segmentadas regioes assimetricas, essas
regioes passarao por processo de reduçao de falsos positivos a fim de eliminar regioes que
nao sao massas. Antes de classificar as regioes restantes, as mamas passam pelo processo
de classifica¸cao de densidade pelo modelo obtido na fase de treinamento. Por fim, para
cada tipo de mama, um modelo ir´a classificar as regioes segmentadas em massas e nao
massas. A metodologia apresentou resultados promissores, nas mamas nao densas atingiu
sensibilidade de 91,56%, especificidade de 90,73%, 91,04% de acuracia e taxa de 0,058
falsos positivos por imagem. As mamas densas, apresentaram resultados de 90,36% de
sensibilidade, 96,35% de especificidade, 94,84% de acuracia e 0,027 falsos positivos por
imagem. Os resultados mostram que a metodologia ´e promissora e pode ser utilizada para
compor um sistema CAD, servindo como uma segunda opniao para o especialista na tarefa
de detectar regioes de massas.
MEMBROS DA BANCA:
Interno - 407686 - ANSELMO CARDOSO DE PAIVA
Presidente - 1225010 - ARISTOFANES CORREA SILVA
Externo à Instituição - AURA CONCI - UFF
Externo ao Programa - 2263544 - WENER BORGES DE SAMPAIO