Ir para acessibilidade
inicio do conteúdo

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 n˜ao massas. A metodologia proposta ´e dividida em duas fases: fase de treinamento e fase de teste. Na fase de treinamento ser˜ao criados trˆes 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 n˜ao 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¸c˜ao entre os pares. Ao comparar, ser˜ao segmentadas regioes assimetricas, essas regioes passar˜ao por processo de reduçao de falsos positivos a fim de eliminar regioes que n˜ao s˜ao massas. Antes de classificar as regioes restantes, as mamas passam pelo processo de classifica¸c˜ao 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 n˜ao massas. A metodologia apresentou resultados promissores, nas mamas n˜ao 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

fim do conteúdo