Classificação de imagens de massas em mamografia usando LBP, índice de diversidade e SVM
Nenhuma Miniatura disponível
Arquivos
Data
2015-01-13
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal do Maranhão
Resumo
Este trabalho tem o objetivo de investigar a aplicação de técnicas de análise de textura e
reconhecimento de padrões para diagnóstico de câncer de mama, cujo objetivo é dar ao
especialista um maior suporte ao diagnóstico do câncer de mama. Busca-se utilizar somente a
textura para caracterizar o padrão maligno e benigno ao invés das características do contorno
das massas, já que tais características nem sempre são nítidas nas imagens, pois pode existir
desde a sobreposição de achados como, por exemplo, massas e calcificações até lesões que
não têm contorno bem definido, impedindo a visualização das mesmas e contribuindo para
um número maior de biopsias com resultados negativos.
Assim, este trabalho se propõe a estudar técnicas de análise de textura, tais como:
Local Binary Pattern e Índices de Diversidade de Gleason e Menhinick, pois acredita-se que
tais técnicas possam produzir boas características de textura que discriminem as regiões de
massas nas mamografias digitalizadas entre malignas e benignas, visto que o sucesso da etapa
de classificação depende muito das características geradas. As características produzidas serão
submetidas como entrada para o processo de classificação supervisionada usando SVM e a
estratégias de combinações de modelos Ensemble. Em ambos os casos uma parte das amostras
será usada para a etapa treinamento do classificador. Esta etapa cria um padrão sobre as
medidas extraídas. A outra parte, totalmente desconhecida da etapa de treinamento, é utilizada
para fazer os testes e a validação dos resultados. Por último segue a etapa de validação e
comparação de resultados obtidos no reconhecimento do padrão maligno e benigno para as
diferentes métricas de extração de características. O melhor resultado foi obtido pelo o índice
de diversidade de Gleason utilizando a abordagem GLCM com acurácia e sensibilidade de
77%, e especificidade de 76%.
Descrição
ABSTRACT
This work aims to investigate the application of texture analysis and pattern recognition
techniques for the diagnosis of breast cancer, whose goal is to give greater support to the
expert diagnosis of breast cancer, as we seek to use only to characterize the texture malignant
and benign pattern of masses instead of contour features, since these features are not always
clear in the images, since it may be overlapping as found, for example, to the masses and
calcifications which have no lesions well defined boundary, from unauthorized viewing
thereof and contributing to a larger number of negative biopsies.
This work proposes to study texture analysis techniques, such as: Local Binary Pattern
and Gleason Diversity Indices and Menhinick, as it is believed that such techniques can
produce good texture characteristics that discriminate against regions of masses in
mammograms scanned between benign and malignant, since the success of the classification
stage depends much on the characteristics generated. The produced features will be submitted
as input for the classification process supervised using SVM and strategies combinations
Ensemble models. In both cases, part of the samples will be used for classifier training step.
This step creates a pattern on the extracted measures. The other part, totally unknown to the
training stage, is used for testing and validation of the results. Finally follows the validation
step and comparison of results in the recognition of malignant and benign pattern for the
different feature extraction metrics. The best result was obtained by the Gleason diversity
index using the GLCM approach with accuracy and sensitivity of 77% and specificity of 76%.
Palavras-chave
Mamografia, Textura, Imagens medicas, Mammography, Texture, Medical images