CLASSIFICAÇÃO DE TECIDOS DA MAMA A PARTIR DE IMAGENS MAMOGRÁFICAS EM MASSA E NÃO MASSA USANDO ÍNDICE DE DIVERSIDADE DE MCINTOSH E MÁQUINA DE VETORES DE SUPORTE

Detalhes bibliográficos
Ano de defesa: 2012
Autor(a) principal: Carvalho, Péterson Moraes de Sousa lattes
Orientador(a): PAIVA, Anselmo Cardoso de lattes
Banca de defesa: Teixeira, Mario Antonio Meirelles
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Maranhão
Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
Departamento: Engenharia
País: BR
Palavras-chave em Português:
Mamografia
Índice de Diversidade de McIntosh
Máquina de Vetores de Suporte
Reconhecimento de Padrões
Palavras-chave em Inglês:
Mammography
McIntosh Diversity Index
Support Vector Machine
Pattern Recognition
Área do conhecimento CNPq:
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Link de acesso: http://tedebc.ufma.br:8080/jspui/handle/tede/487
Resumo: Breast cancer is the second most common in the world and which more affects women. In recent years, several Computer Aided Detection/Diagnosis Systems has been developed in order to assist health specialists in the detection and diagnosis of cancer, serving as a second opinion. The aim of this paper is to present a methodology for discrimination and classification of regions extracted from mammograms in mass and non-mass. In this study, Digital Database for Screening Mammography (DDSM) is used. To describe the texture of the region of interest is applied McIntosh Diversity Index, commonly used in ecology. The calculation of this index is proposed in four approaches: through the Histogram, through the Gray Level Co-occurrence Matrix, through the Gray Level Run Length Matrix and through the Gray Level Gap Length Matrix. For the classification of regions in mass and non-mass, is used the supervised classificator Support Vector Machine (SVM). The methodology shows promising results for the classification of masses and non-masses, reaching an accuracy of 93,68%.
id UFMA_23ccca73fc2ae347b774c35eb50814ba
oai_identifier_str oai:tede2:tede/487
network_acronym_str UFMA
network_name_str Biblioteca Digital de Teses e Dissertações da UFMA
repository_id_str
spelling PAIVA, Anselmo Cardoso deCPF:37552384387http://lattes.cnpq.br/6446831084215512Silva, Aristófanes CorrêaCPF:28874536372http://lattes.cnpq.br/2446301582459104Teixeira, Mario Antonio MeirellesCPF:37702904372CPF:84076437349http://lattes.cnpq.br/2162722426372693Carvalho, Péterson Moraes de Sousa2016-08-17T14:53:21Z2012-05-242012-04-20CARVALHO, Péterson Moraes de Sousa. CLASSIFICATION OF TISSUE BREAST FROM MAMMOGRAPHIC IMAGES IN MASS AND NOT MASS USING INDEX OF DIVERSITY OF MCINTOSH AND SUPPORT VECTOR MACHINE. 2012. 77 f. Dissertação (Mestrado em Engenharia) - Universidade Federal do Maranhão, São Luís, 2012.http://tedebc.ufma.br:8080/jspui/handle/tede/487Breast cancer is the second most common in the world and which more affects women. In recent years, several Computer Aided Detection/Diagnosis Systems has been developed in order to assist health specialists in the detection and diagnosis of cancer, serving as a second opinion. The aim of this paper is to present a methodology for discrimination and classification of regions extracted from mammograms in mass and non-mass. In this study, Digital Database for Screening Mammography (DDSM) is used. To describe the texture of the region of interest is applied McIntosh Diversity Index, commonly used in ecology. The calculation of this index is proposed in four approaches: through the Histogram, through the Gray Level Co-occurrence Matrix, through the Gray Level Run Length Matrix and through the Gray Level Gap Length Matrix. For the classification of regions in mass and non-mass, is used the supervised classificator Support Vector Machine (SVM). The methodology shows promising results for the classification of masses and non-masses, reaching an accuracy of 93,68%.O câncer de mama é o segundo tipo de câncer mais frequente no mundo e o que mais acomete as mulheres. Nos últimos anos, vários Sistemas de Detecção e Diagnóstico auxiliados por Computador (Computer Aided Detection/Diagnosis) têm sido desenvolvidos no intuito de auxiliar especialistas da área da saúde na detecção e diagnóstico de câncer, servindo como uma segunda opnião. O objetivo deste trabalho é apresentar uma metodologia de discriminação e classificação de regiões extraídas de mamografias em massa e não massa. Neste estudo, o Digital Database for Screening Mammography (DDSM) é usado. Para descrever a textura da região de interesse é aplicado o Índice de Diversidade de McIntosh, comumente usado em ecologia. O cálculo deste índice é proposto em quatro abordagens: através do Histograma, da Matriz de Co-ocorrência de Níveis de Cinza, da Matriz de Comprimentos de Corrida de Cinza e da Matriz de Comprimentos de Lacuna de Cinza. Para classificação das regiões em massa e não massa, é utilizado o classificador supervisionado Support Vector Machine (SVM). A metodologia apresenta resultados promissores para a classificação de massas e não massas, alcançando uma acurácia de 93,68%.Made available in DSpace on 2016-08-17T14:53:21Z (GMT). No. of bitstreams: 1 Peterson.pdf: 1362910 bytes, checksum: 963fec328036941a0790b198cc0d6187 (MD5) Previous issue date: 2012-04-20FUNDAÇÃO DE AMPARO À PESQUISA E AO DESENVOLVIMENTO CIENTIFICO E TECNOLÓGICO DO MARANHÃOapplication/pdfporUniversidade Federal do MaranhãoPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCETUFMABREngenhariaMamografiaÍndice de Diversidade de McIntoshMáquina de Vetores de SuporteReconhecimento de PadrõesMammographyMcIntosh Diversity IndexSupport Vector MachinePattern RecognitionCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOCLASSIFICAÇÃO DE TECIDOS DA MAMA A PARTIR DE IMAGENS MAMOGRÁFICAS EM MASSA E NÃO MASSA USANDO ÍNDICE DE DIVERSIDADE DE MCINTOSH E MÁQUINA DE VETORES DE SUPORTECLASSIFICATION OF TISSUE BREAST FROM MAMMOGRAPHIC IMAGES IN MASS AND NOT MASS USING INDEX OF DIVERSITY OF MCINTOSH AND SUPPORT VECTOR MACHINEinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFMAinstname:Universidade Federal do Maranhão (UFMA)instacron:UFMAORIGINALPeterson.pdfapplication/pdf1362910http://tedebc.ufma.br:8080/bitstream/tede/487/1/Peterson.pdf963fec328036941a0790b198cc0d6187MD51tede/4872018-01-31 18:16:29.847oai:tede2:tede/487Biblioteca Digital de Teses e Dissertaçõeshttps://tedebc.ufma.br/jspui/PUBhttp://tedebc.ufma.br:8080/oai/requestrepositorio@ufma.br||repositorio@ufma.bropendoar:21312018-01-31T21:16:29Biblioteca Digital de Teses e Dissertações da UFMA - Universidade Federal do Maranhão (UFMA)false
dc.title.por.fl_str_mv CLASSIFICAÇÃO DE TECIDOS DA MAMA A PARTIR DE IMAGENS MAMOGRÁFICAS EM MASSA E NÃO MASSA USANDO ÍNDICE DE DIVERSIDADE DE MCINTOSH E MÁQUINA DE VETORES DE SUPORTE
dc.title.alternative.eng.fl_str_mv CLASSIFICATION OF TISSUE BREAST FROM MAMMOGRAPHIC IMAGES IN MASS AND NOT MASS USING INDEX OF DIVERSITY OF MCINTOSH AND SUPPORT VECTOR MACHINE
title CLASSIFICAÇÃO DE TECIDOS DA MAMA A PARTIR DE IMAGENS MAMOGRÁFICAS EM MASSA E NÃO MASSA USANDO ÍNDICE DE DIVERSIDADE DE MCINTOSH E MÁQUINA DE VETORES DE SUPORTE
spellingShingle CLASSIFICAÇÃO DE TECIDOS DA MAMA A PARTIR DE IMAGENS MAMOGRÁFICAS EM MASSA E NÃO MASSA USANDO ÍNDICE DE DIVERSIDADE DE MCINTOSH E MÁQUINA DE VETORES DE SUPORTE
Carvalho, Péterson Moraes de Sousa
Mamografia
Índice de Diversidade de McIntosh
Máquina de Vetores de Suporte
Reconhecimento de Padrões
Mammography
McIntosh Diversity Index
Support Vector Machine
Pattern Recognition
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
title_short CLASSIFICAÇÃO DE TECIDOS DA MAMA A PARTIR DE IMAGENS MAMOGRÁFICAS EM MASSA E NÃO MASSA USANDO ÍNDICE DE DIVERSIDADE DE MCINTOSH E MÁQUINA DE VETORES DE SUPORTE
title_full CLASSIFICAÇÃO DE TECIDOS DA MAMA A PARTIR DE IMAGENS MAMOGRÁFICAS EM MASSA E NÃO MASSA USANDO ÍNDICE DE DIVERSIDADE DE MCINTOSH E MÁQUINA DE VETORES DE SUPORTE
title_fullStr CLASSIFICAÇÃO DE TECIDOS DA MAMA A PARTIR DE IMAGENS MAMOGRÁFICAS EM MASSA E NÃO MASSA USANDO ÍNDICE DE DIVERSIDADE DE MCINTOSH E MÁQUINA DE VETORES DE SUPORTE
title_full_unstemmed CLASSIFICAÇÃO DE TECIDOS DA MAMA A PARTIR DE IMAGENS MAMOGRÁFICAS EM MASSA E NÃO MASSA USANDO ÍNDICE DE DIVERSIDADE DE MCINTOSH E MÁQUINA DE VETORES DE SUPORTE
title_sort CLASSIFICAÇÃO DE TECIDOS DA MAMA A PARTIR DE IMAGENS MAMOGRÁFICAS EM MASSA E NÃO MASSA USANDO ÍNDICE DE DIVERSIDADE DE MCINTOSH E MÁQUINA DE VETORES DE SUPORTE
author Carvalho, Péterson Moraes de Sousa
author_facet Carvalho, Péterson Moraes de Sousa
author_role author
dc.contributor.advisor1.fl_str_mv PAIVA, Anselmo Cardoso de
dc.contributor.advisor1ID.fl_str_mv CPF:37552384387
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/6446831084215512
dc.contributor.advisor-co1.fl_str_mv Silva, Aristófanes Corrêa
dc.contributor.advisor-co1ID.fl_str_mv CPF:28874536372
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/2446301582459104
dc.contributor.referee1.fl_str_mv Teixeira, Mario Antonio Meirelles
dc.contributor.referee1ID.fl_str_mv CPF:37702904372
dc.contributor.authorID.fl_str_mv CPF:84076437349
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/2162722426372693
dc.contributor.author.fl_str_mv Carvalho, Péterson Moraes de Sousa
contributor_str_mv PAIVA, Anselmo Cardoso de
Silva, Aristófanes Corrêa
Teixeira, Mario Antonio Meirelles
dc.subject.por.fl_str_mv Mamografia
Índice de Diversidade de McIntosh
Máquina de Vetores de Suporte
Reconhecimento de Padrões
topic Mamografia
Índice de Diversidade de McIntosh
Máquina de Vetores de Suporte
Reconhecimento de Padrões
Mammography
McIntosh Diversity Index
Support Vector Machine
Pattern Recognition
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.subject.eng.fl_str_mv Mammography
McIntosh Diversity Index
Support Vector Machine
Pattern Recognition
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
description Breast cancer is the second most common in the world and which more affects women. In recent years, several Computer Aided Detection/Diagnosis Systems has been developed in order to assist health specialists in the detection and diagnosis of cancer, serving as a second opinion. The aim of this paper is to present a methodology for discrimination and classification of regions extracted from mammograms in mass and non-mass. In this study, Digital Database for Screening Mammography (DDSM) is used. To describe the texture of the region of interest is applied McIntosh Diversity Index, commonly used in ecology. The calculation of this index is proposed in four approaches: through the Histogram, through the Gray Level Co-occurrence Matrix, through the Gray Level Run Length Matrix and through the Gray Level Gap Length Matrix. For the classification of regions in mass and non-mass, is used the supervised classificator Support Vector Machine (SVM). The methodology shows promising results for the classification of masses and non-masses, reaching an accuracy of 93,68%.
publishDate 2012
dc.date.available.fl_str_mv 2012-05-24
dc.date.issued.fl_str_mv 2012-04-20
dc.date.accessioned.fl_str_mv 2016-08-17T14:53:21Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv CARVALHO, Péterson Moraes de Sousa. CLASSIFICATION OF TISSUE BREAST FROM MAMMOGRAPHIC IMAGES IN MASS AND NOT MASS USING INDEX OF DIVERSITY OF MCINTOSH AND SUPPORT VECTOR MACHINE. 2012. 77 f. Dissertação (Mestrado em Engenharia) - Universidade Federal do Maranhão, São Luís, 2012.
dc.identifier.uri.fl_str_mv http://tedebc.ufma.br:8080/jspui/handle/tede/487
identifier_str_mv CARVALHO, Péterson Moraes de Sousa. CLASSIFICATION OF TISSUE BREAST FROM MAMMOGRAPHIC IMAGES IN MASS AND NOT MASS USING INDEX OF DIVERSITY OF MCINTOSH AND SUPPORT VECTOR MACHINE. 2012. 77 f. Dissertação (Mestrado em Engenharia) - Universidade Federal do Maranhão, São Luís, 2012.
url http://tedebc.ufma.br:8080/jspui/handle/tede/487
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Maranhão
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
dc.publisher.initials.fl_str_mv UFMA
dc.publisher.country.fl_str_mv BR
dc.publisher.department.fl_str_mv Engenharia
publisher.none.fl_str_mv Universidade Federal do Maranhão
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFMA
instname:Universidade Federal do Maranhão (UFMA)
instacron:UFMA
instname_str Universidade Federal do Maranhão (UFMA)
instacron_str UFMA
institution UFMA
reponame_str Biblioteca Digital de Teses e Dissertações da UFMA
collection Biblioteca Digital de Teses e Dissertações da UFMA
bitstream.url.fl_str_mv http://tedebc.ufma.br:8080/bitstream/tede/487/1/Peterson.pdf
bitstream.checksum.fl_str_mv 963fec328036941a0790b198cc0d6187
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFMA - Universidade Federal do Maranhão (UFMA)
repository.mail.fl_str_mv repositorio@ufma.br||repositorio@ufma.br
_version_ 1853507978492116992

Registros relacionados