Loading...
1 results
Search Results
Now showing 1 - 1 of 1
- Avaliação da caracterização de lesões em mamografia com recurso a sistemas CAD (Diagnóstico Assistido por Computador): sistemas CAD em mamografiaPublication . Perre, Ana CatarinaOs sistemas Computer-Aided Detection/Diagnosis (CAD) auxiliam os médicos na deteção e diferenciação de lesões benignas e malignas, aumentando a performance no diagnóstico do cancro da mama. As lesões da mama estão fortemente correlacionadas com a forma do contorno: lesões benignas apresentam contornos regulares, enquanto as lesões malignas tendem a apresentar contornos irregulares. Desta forma, neste estudo, em primeiro lugar, foram utilizadas medidas quantitativas baseadas na dimensão fractal (DF), as quais podem ajudar na caracterização dos contornos regulares ou irregulares das lesões encontradas nas imagens de mamografia, sendo calculadas através da aplicação do método “box-counting”, diretamente em imagens de lesões segmentadas e após a aplicação de um algoritmo de dilatação/erosão. Seguidamente, foi testada a aplicação de Redes Neuronais de Convolução (CNN), as quais têm sido recentemente utilizadas, com elevado grau de sucesso, na deteção e classificação de patologias em diferentes modalidades de imagem médica, incluindo a mamografia. Uma vez que as bases de dados de mamografia disponíveis apresentam um número reduzido de amostras, existe uma forma de ultrapassar esta limitação através do uso do método de “transfer learning”, no qual uma rede previamente treinada num grande conjunto de imagens comuns, é posteriormente ajustada para ser aplicada a uma base de dados com imagens de mamografia. Foram utilizados três modelos CNN pré-treinados, tendo sido avaliada a sua performance na classificação de lesões em imagens antes e após a aplicação de um processo de normalização. Também foi avaliada a performance de uma Support Vector Machine (SVM) com a utilização de características extraídas das CNN isoladamente ou combinadas com “handcrafted features”. Os resultados obtidos são encorajadores e podem ajudar a melhorar o diagnóstico automático de lesões em mamografia.