Análise de simetria em termografias: uma aplicação em mamas

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorAura, Conci-
Autor(es): dc.contributorMontenegro, Anselmo Antunes-
Autor(es): dc.contributorSeixas, Flávio Luiz-
Autor(es): dc.creatorPrincigalli, Nuba Rodrigues-
Data de aceite: dc.date.accessioned2024-07-11T17:48:42Z-
Data de disponibilização: dc.date.available2024-07-11T17:48:42Z-
Data de envio: dc.date.issued2023-09-19-
Data de envio: dc.date.issued2023-09-19-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/30435-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/757988-
Descrição: dc.descriptionO uso de imagens térmicas no auxílio ao diagnóstico tem sido bem-sucedido para várias doenças, entre elas o câncer de mama. Na aplicação de técnicas de classificação, as regiões de interesse do corpo são segmentadas, analisadas, e essa informação se junta aos dados clínicos do paciente na implementação de classificadores para aplicação no auxílio ao diagnóstico de um paciente. Este trabalho investiga a hipótese de que a consideração da simetria bilateral do corpo humano produza impacto positivo na tarefa de classificação. Partindo dos termogramas da base DMR-IR, a simetria foi considerada em três níveis: lados do tórax, mamas, e quadrantes da mama. Foram extraídos descritores de Haralick e histogramas criados a partir do cálculo dos Local Binary Patterns (LBP) uniformes. Considerando sempre uma parte do corpo e sua parte simétrica contralateral, foram consideradas várias distâncias para avaliar a simetria pelos descritores de Haralick, e além das distâncias a divergência entre histogramas de LBP. Na classificação, vetores de features formados por esses dois grupos de features foram analisados usando técnicas de Support Vector Machine (SVM) e k-Nearest Neighbor, com variações em seus hiper-parâmetros. Em cada nível, a classificação preservou o particionamento treino/teste, mas foi variada a composição do vetor de features, partindo sempre da combinação dos descritores de Haralick e/ou histogramas de LBP, considerando sempre uma avaliação por essas features extraídas em grupos de simetria globais e/ou locais. A medida usada para avaliação foi a acurácia. Na análise post-hoc, foram usados os testes de Friedman e Nemenyi. Com p < 0.05, foi possível rejeitar H0 para todos os níveis e identificar 9 casos onde a inclusão de simetria global e/ou local no vetor de features resultou em diferenças estatisticamente significativas nos resultados. Com p < 0.01, isso foi observado para três casos nos níveis das laterais do tórax e das mamas. Considerando o desvio padrão encontrado, e o pequeno número de amostras (100), se concluiu que a simetria impacta nos resultados, mas a qualificação e a quantificação desse impacto deve ser melhor analisada em trabalhos futuros. O código e as segmentações de quadrantes da mama estão disponibilizados publicamente em um repositório git.-
Descrição: dc.descriptionThe use of thermal imaging to aid diagnosis has been successful for a number of diseases, including breast cancer. In the application of classification techniques, the regions of interest of the body are segmented, analyzed, and this information is added to the patient’s clinical data in the implementation of classifiers to be applied in aiding the diagnosis of a patient. This work investigates the hypothesis that taking the bilateral symmetry of the human body in consideration has a positive impact on the classification task. Starting from the thermograms of the DMR-IR database, symmetry was considered at three levels: sides of the chest, breasts, and breast quadrants. Haralick descriptors and histograms for uniform Local Binary Patterns (LBP) were extracted. Always considering a body part and its contralateral symmetrical part, several distances were considered to assess the symmetry by Haralick descriptors, and between LBP histograms, in addition to the distances, also the divergence. In the classification tasks, vectors of features formed by these two groups of features were analyzed using Support Vector Machine (SVM) and k-Nearest Neighbor techniques, with variations in their hyper-parameters. At each level, the classification preserved the training/test partitioning, varying the composition of the features vector, always starting from the combination of Haralick descriptors and/or LBP histograms, and always considering an evaluation by these features extracted in global and/or local symmetry groups. The measurement used for the evaluation was accuracy. In the post-hoc analysis, Friedman and Nemenyi tests were used. With p < 0.05, it was possible to reject H0 for all levels and identify 9 cases where the inclusion of global and/or local symmetry in the features vector resulted in statistically significant differences in the results. With p < 0.01, this was observed for three cases at the lateral chest and breast levels. Taking the standard deviation found into account, and the small number of samples (100), it was concluded that symmetry has an impact on the results, but the qualification and quantification of this impact should be better analyzed in future work. The code and breast quadrants masks are publicly available in a git repository.-
Descrição: dc.description72 p.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectGrupos de simetria-
Palavras-chave: dc.subjectImagens térmicas-
Palavras-chave: dc.subjectCâncer de mama-
Palavras-chave: dc.subjectClassificação-
Palavras-chave: dc.subjectSVM-
Palavras-chave: dc.subjectProcessamento de imagem assistida por computador-
Palavras-chave: dc.subjectTermografia-
Palavras-chave: dc.subjectDiagnóstico por imagem-
Palavras-chave: dc.subjectSymmetry groups-
Palavras-chave: dc.subjectThermal imaging-
Palavras-chave: dc.subjectBreast Cancer-
Palavras-chave: dc.subjectClassification-
Título: dc.titleAnálise de simetria em termografias: uma aplicação em mamas-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.