Determinação de um conjunto reduzido de características morfológicas para classificação de lesões mamárias em imagens de ultrassom utilizando máquinas de vetores de suporte
Resumo
O uso de ferramentas de auxílio de diagnóstico (CAD) para detecção e classificação de câncer de mama tem sido difundido. No que diz respeito ao diagnóstico de câncer de mama por imagens de ultrassom, resultados encontrados na literatura revelam um melhor desempenho de classificação das lesões mamárias com características morfológicas e sugerem que um conjunto reduzido de características apresenta uma melhor performance de classificação em relação a um conjunto grande. Neste estudo foram avaliados o desempenho de classificadores SVM com diferentes kernels: polinomial e RBF. Conjuntos de características morfológicas distintos foram utilizados para treinamento e classificação. A seleção de conjuntos reduzidos de características, foi realizada através da técnica de seleção de escalar com correlação. Os melhores resultados obtidos para acurácia e AUC foram de 92% e 0.920 respectivamente
Referências
Flores, W. G. Desarrollo de una Metodología Computacional para la Clasificación de Lesiones de Mama en Imágenes Ultrasónicas. 2009. Departamento de Ingeniería Eléctrica Sección de Bioelectrónica, Instituto Politécnico Nacional
Flores, W. G.; Pereira, W. C. D. A.; Infantosi, A. F. C. Improving classification performance of breast lesions on ultrasonography. Pattern Recognition, v. 48, n. 4, p. 1125 - 1136, 2015.
Haykin, S. S. Neural Networks and Learning Machines. 2009.
Huang, Y. L.; Wang, K. L.; Chen, D. R. Diagnosis of breast tumors with ultrasonic texture analysis using support vector machines. Neural Computing & Applications, v. 15, n. 2, p. 164-169, 2006.
INCA. Mama. p. Câncer de Mama, 2015. Disponível em: (http://www2.inca.gov.br/wps/wcm/connect/tiposdecancer/site/home/mama/cancer_ mama .
Kohavi, R. A Study of Cross-Validation and Bootstrap for Accuracy Estimation and Model Selection. International Joint Conference on Artificial Intelligence, v. 2, p. 1137-1143, 1995.
Pereira, W. C. A. et al. A non-linear morphometric feature selection approach for breast tumor contour from ultrasonic images. Computers in Biology and Medicine, 2010. SBCANCEROLOGIA. Cancer de Mama. 2015. Disponível em: http://www.sbcancer.org.br/home2/site/index.php?option=com_content&view=articl e&id=110:cancer-de-mama&catid=29&Itemid=123 . Acesso em: 02/12/2015.
Skaane, P. Ultrasonography as adjunct to mammography in the evaluation of breast tumors. Actaradiologica. Supplementum, 1999
Theodoridis, S.; Koutroumbas, K. Pattern Recognition, Fourth Edition. 4th. Academic Press, 2008.
Uniyal, N. et al. A new approach to ultrasonic detection of malignant breast tumors. 2013 Ieee International Ultrasonics Symposium (Ius), p. 96-99, 2013
WHO. Breast cancer: prevention and control. 2014. Disponível em: http://www.who.int/cancer/detection/breastcancer/en/index4.html.
Wu, W.-J.; Moon, W. K. Ultrasound breast tumor image computer-aided diagnosis with texture and morphological features. Academic Radiology, v. 15, n.7, p. 873-880, 2008.
Yeh, C.-K. et al. Automatic ultrasonic breast lesions detection using support vector machine based algorithm. Medical Imaging: Ultrasonic Imaging and Signal Processing, p.51317-51317, 2007.
Zhou, S. et al. Shearlet-based texture feature extraction for classification of breast tumor in ultrasound image. Biomedical Signal Processing and Control, v. 8, n. 6, p. 688-696, 2013.
Zyout, I.; Czajkowska, J., Marcin. Multi-scale Textural Feature Extraction and Particle Swarm Optimization Based Model Selection for False Positive Reduction in Mammography. Computerized Medical Imaging and Graphics, 2015.
