Exportação concluída — 

[en] AUTOMATED BREAST DENSITY ASSESSMENT IN MAMMOGRAMS USING DEEP LEARNING

Detalhes bibliográficos
Ano de defesa: 2026
Autor(a) principal: JULIANA HELUY DO PRADO
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: MAXWELL
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
[pt] CLASSIFICACAO DE IMAGENS
[pt] DENSIDADE MAMARIA
[pt] MAMOGRAFIA
[pt] APRENDIZADO PROFUNDO
[pt] SEGMENTACAO DE IMAGENS
[en] IMAGE CLASSIFICATION
[en] BREAST DENSITY
[en] MAMMOGRAM
[en] DEEP LEARNING
[en] IMAGE SEGMENTATION
Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75144&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75144&idi=2
http://doi.org/10.17771/PUCRio.acad.75144
Resumo: [pt] A densidade mamária é um fator crítico no rastreamento mamográfico, pois o tecido de alta densidade não apenas aumenta o risco de câncer de mama, mas também reduz a sensibilidade na detecção de lesões. Este estudo propõe uma estrutura abrangente baseada em deep learning para avaliação automatizada da densidade mamária em imagens de mamografia. A abordagem integra uma rede neural convolucional (CNN) para classificar as imagens nas categorias de densidade BI-RADS e um modelo de segmentação semântica para localizar o tecido fibroglandular denso. Para superar limitações de conjuntos de dados existentes, construímos um conjunto de dados balanceado e integrado, combinando múltiplas fontes, com anotações refinadas focadas especificamente nas regiões de tecido denso. Além da classificação e segmentação, introduzimos metodologias para gerar relatórios estruturados e interpretáveis, projetados para auxiliar especialistas clínicos na tomada de decisão. Avaliamos diversos modelos do estado da arte, alcançando alto desempenho em múltiplas métricas (AUC, F1-score, coeficiente de Dice e IoU). Os resultados demonstram que o sistema proposto fornece avaliações confiáveis e reproduzíveis, alinhando-se de perto às anotações de especialistas e apoiando a padronização da avaliação da densidade mamária na prática clínica.
id PUC_RIO-1_17f9efbce8b6290b11a178d729ea6431
oai_identifier_str oai:MAXWELL.puc-rio.br:75144
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str
spelling [en] AUTOMATED BREAST DENSITY ASSESSMENT IN MAMMOGRAMS USING DEEP LEARNING [pt] AVALIAÇÃO AUTOMATIZADA DA DENSIDADE MAMÁRIA EM MAMOGRAFIAS USANDO APRENDIZADO PROFUNDO [pt] CLASSIFICACAO DE IMAGENS[pt] DENSIDADE MAMARIA[pt] MAMOGRAFIA[pt] APRENDIZADO PROFUNDO[pt] SEGMENTACAO DE IMAGENS[en] IMAGE CLASSIFICATION[en] BREAST DENSITY[en] MAMMOGRAM[en] DEEP LEARNING[en] IMAGE SEGMENTATION[pt] A densidade mamária é um fator crítico no rastreamento mamográfico, pois o tecido de alta densidade não apenas aumenta o risco de câncer de mama, mas também reduz a sensibilidade na detecção de lesões. Este estudo propõe uma estrutura abrangente baseada em deep learning para avaliação automatizada da densidade mamária em imagens de mamografia. A abordagem integra uma rede neural convolucional (CNN) para classificar as imagens nas categorias de densidade BI-RADS e um modelo de segmentação semântica para localizar o tecido fibroglandular denso. Para superar limitações de conjuntos de dados existentes, construímos um conjunto de dados balanceado e integrado, combinando múltiplas fontes, com anotações refinadas focadas especificamente nas regiões de tecido denso. Além da classificação e segmentação, introduzimos metodologias para gerar relatórios estruturados e interpretáveis, projetados para auxiliar especialistas clínicos na tomada de decisão. Avaliamos diversos modelos do estado da arte, alcançando alto desempenho em múltiplas métricas (AUC, F1-score, coeficiente de Dice e IoU). Os resultados demonstram que o sistema proposto fornece avaliações confiáveis e reproduzíveis, alinhando-se de perto às anotações de especialistas e apoiando a padronização da avaliação da densidade mamária na prática clínica.[en] Breast density is a critical factor in mammographic screening, as high density tissue not only increases the risk of breast cancer but also reduces the sensitivity of lesion detection. This study proposes a comprehensive deep learning-based approach for automated breast density assessment in mammog raphy images. The approach integrates a convolutional neural network (CNN) for classifying images into BI-RADS density categories and a semantic segmen tation model for localizing dense fibroglandular tissue. To address limitations in existing datasets, we construct a balanced fusion dataset combining multiple sources, with refined annotations focused specifically on dense tissue regions. In addition to classification and segmentation, we introduce methodologies for generating structured, interpretable reports designed to assist clinical experts in decision-making. We evaluate multiple state-of-the-art models, achieving high performance across multiple metrics (AUC, F1-score, Dice coe!cient, and IoU). The results demonstrate that the proposed system provides reliable and reproducible assessments, aligning closely with expert annotations and sup porting the standardization of breast density evaluation in clinical practice.MAXWELLALBERTO BARBOSA RAPOSOJULIANA HELUY DO PRADO2026-01-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75144&idi=1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75144&idi=2http://doi.org/10.17771/PUCRio.acad.75144engreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2026-01-27T00:00:00Zoai:MAXWELL.puc-rio.br:75144Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342026-01-27T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.none.fl_str_mv [en] AUTOMATED BREAST DENSITY ASSESSMENT IN MAMMOGRAMS USING DEEP LEARNING
[pt] AVALIAÇÃO AUTOMATIZADA DA DENSIDADE MAMÁRIA EM MAMOGRAFIAS USANDO APRENDIZADO PROFUNDO
title [en] AUTOMATED BREAST DENSITY ASSESSMENT IN MAMMOGRAMS USING DEEP LEARNING
spellingShingle [en] AUTOMATED BREAST DENSITY ASSESSMENT IN MAMMOGRAMS USING DEEP LEARNING
JULIANA HELUY DO PRADO
[pt] CLASSIFICACAO DE IMAGENS
[pt] DENSIDADE MAMARIA
[pt] MAMOGRAFIA
[pt] APRENDIZADO PROFUNDO
[pt] SEGMENTACAO DE IMAGENS
[en] IMAGE CLASSIFICATION
[en] BREAST DENSITY
[en] MAMMOGRAM
[en] DEEP LEARNING
[en] IMAGE SEGMENTATION
title_short [en] AUTOMATED BREAST DENSITY ASSESSMENT IN MAMMOGRAMS USING DEEP LEARNING
title_full [en] AUTOMATED BREAST DENSITY ASSESSMENT IN MAMMOGRAMS USING DEEP LEARNING
title_fullStr [en] AUTOMATED BREAST DENSITY ASSESSMENT IN MAMMOGRAMS USING DEEP LEARNING
title_full_unstemmed [en] AUTOMATED BREAST DENSITY ASSESSMENT IN MAMMOGRAMS USING DEEP LEARNING
title_sort [en] AUTOMATED BREAST DENSITY ASSESSMENT IN MAMMOGRAMS USING DEEP LEARNING
author JULIANA HELUY DO PRADO
author_facet JULIANA HELUY DO PRADO
author_role author
dc.contributor.none.fl_str_mv ALBERTO BARBOSA RAPOSO
dc.contributor.author.fl_str_mv JULIANA HELUY DO PRADO
dc.subject.por.fl_str_mv [pt] CLASSIFICACAO DE IMAGENS
[pt] DENSIDADE MAMARIA
[pt] MAMOGRAFIA
[pt] APRENDIZADO PROFUNDO
[pt] SEGMENTACAO DE IMAGENS
[en] IMAGE CLASSIFICATION
[en] BREAST DENSITY
[en] MAMMOGRAM
[en] DEEP LEARNING
[en] IMAGE SEGMENTATION
topic [pt] CLASSIFICACAO DE IMAGENS
[pt] DENSIDADE MAMARIA
[pt] MAMOGRAFIA
[pt] APRENDIZADO PROFUNDO
[pt] SEGMENTACAO DE IMAGENS
[en] IMAGE CLASSIFICATION
[en] BREAST DENSITY
[en] MAMMOGRAM
[en] DEEP LEARNING
[en] IMAGE SEGMENTATION
description [pt] A densidade mamária é um fator crítico no rastreamento mamográfico, pois o tecido de alta densidade não apenas aumenta o risco de câncer de mama, mas também reduz a sensibilidade na detecção de lesões. Este estudo propõe uma estrutura abrangente baseada em deep learning para avaliação automatizada da densidade mamária em imagens de mamografia. A abordagem integra uma rede neural convolucional (CNN) para classificar as imagens nas categorias de densidade BI-RADS e um modelo de segmentação semântica para localizar o tecido fibroglandular denso. Para superar limitações de conjuntos de dados existentes, construímos um conjunto de dados balanceado e integrado, combinando múltiplas fontes, com anotações refinadas focadas especificamente nas regiões de tecido denso. Além da classificação e segmentação, introduzimos metodologias para gerar relatórios estruturados e interpretáveis, projetados para auxiliar especialistas clínicos na tomada de decisão. Avaliamos diversos modelos do estado da arte, alcançando alto desempenho em múltiplas métricas (AUC, F1-score, coeficiente de Dice e IoU). Os resultados demonstram que o sistema proposto fornece avaliações confiáveis e reproduzíveis, alinhando-se de perto às anotações de especialistas e apoiando a padronização da avaliação da densidade mamária na prática clínica.
publishDate 2026
dc.date.none.fl_str_mv 2026-01-27
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75144&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75144&idi=2
http://doi.org/10.17771/PUCRio.acad.75144
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75144&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75144&idi=2
http://doi.org/10.17771/PUCRio.acad.75144
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv MAXWELL
publisher.none.fl_str_mv MAXWELL
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1856395974866370560

Registros relacionados