Classificação do câncer colorretal baseada na associação de características multidimensional e multirresolução

• Ano de defesa: 2018
• Autor(a) principal: Ribeiro, Matheus Gonçalves [UNESP]
• Orientador(a): Neves, Leandro Alves [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Curvelet; Dimensão fractal; Lacunaridade; Descritores de haralick
• Palavras-chave em Inglês: Fractal dimension; Lacunarity; Haralick features
• Link de acesso: http://hdl.handle.net/11449/154984

Neste trabalho, um método foi proposto a partir da combinação entre técnicas fractais multiescalas e multidimensionais, transformada curvelet e descritores de Haralick para o estudo e reconhecimento de padrões do câncer colorretal nos estágios T3 e T4. Esta combinação ainda não foi explorada na literatura. O método foi baseado em uma abordagem para seleção de características e diferentes técnicas de classificação para avaliar as combinações, tais como árvore de decisão, floresta aleatória, máquina de vetores de suporte, naive bayes, k-estrela e um método polinomial. Os testes foram avaliados a partir da validação cruzada com 10-folds. A estratégia proposta permitiu realizar interpretações mais precisas ao considerar as melhores associações para separar as classes benigno e maligno de imagens histológicas colorretais. O melhor resultado foi uma taxa de AUC de 0,994, com características baseadas principalmente em lacunaridade e percolação obtidas a partir de subimagens curvelet, aplicando um classificador polinomial. O desempenho obtido com uma análise detalhada envolvendo diferentes tipos de características e classificadores são contribuições importantes para patologistas e especialistas interessados no estudo do câncer colorretal.