Métricas Morfológicas para a Classificação de Tumores de Mama
Resumo
Neste artigo foi proposta uma metodologia e um sistema de diagnóstico auxiliado por computador para a detecção do câncer de mama. A abordagem contemplou a extração de métricas a partir de tumores em mamografias e o uso de um algoritmo de aprendizagem de máquina para classificá-las morfologicamente. Imagens do repositório MIAS foram utilizadas para os experimentos. Os resultados mostraram a eficácia do método proposto.Referências
Al-Shamlan, H. and El-Zaart, A. (2010). Feature extraction values for breast cancer mammography images. International Conference on Bioinformatics and Biomedical Technology, pages 335–340.
Alvarenga, A. V., Infantosi, A. F. C., de Azevedo, C. M., and de Albuquerque Pereira, W. C. (2003). Aplicação de operadores morfológicos na segmentação e determinação do contorno de tumores de mama em imagens por ultra-som. Revista Brasileira de Engenharia Biomédica, 19(2):91–101.
Bins, L., Fonseca, L., and Erthal, G. S. (1996). Satellite imagery segmentation: a region growing approach. In: VIII Brazilian Symposiumon Remote Sensing, pages 677–680.
Calas, M. J. G., Gutfilen, B., and de A. Pereira, W. C. (2012). Cad and mammography: why use this tool? Colégio Brasileiro de Radiologia e Diagnóstico por Imagem, 1:46–52.
Duarte, Y. A. S., do Nascimento, M. Z., and Oliveiras, D. L. L. (2013). Algoritmo de extração de textura baseado em wavelet e clbp para classificação de lesões em mamogramas. Workshop de Informática Médica.
Faceli, K., Lorena, A. C., Gama, J., and de Carvalho, A. C. P. L. F. (2011). Inteligência artificial: uma abordagem de aprendizado de máquina, volume 1. LTC, Rio de Janeiro, 1 edition.
Ferreira, C. B. R. and Borges, D. L. (2005). Uma estratégia de seleção de um subconjunto mínimo de características wavelet em uma abordagem multirresolução para classificação de tumores em mamogramas. V Workshop de Informática Médica, 1.
Gonzalez, R. C. and Woods, R. E. (2008). Digital Image Processing. Prentice Hall, 5 edition.
INCA (2002). Prevenção e controle de câncer. Revista Brasileira de Cancerologia, pages 317–332.
INCA (2012). Câncer de mama.
Junior, G. B., Silva, A. C., de Paiva, A. C., and de Oliveira, A. C. M. (2006). Identificação de massas em mamografias usando textura, geometria e algoritmos de agrupamento e classificação. VI Workshop de Informática Médica WIM, pages 94–104.
Kopans, D. (2000). Imagem da mama. Rio de Janeiro: MEDSI Editora Médica e Científica Ltda, 2 edition.
Leite, G. C., Leite, J. S. S., Meneses, F. G. A., Santos, D. A., and Silva, J. S. (2011). A utilização de técnicas de limiarização para auxílio no diagnóstico de câncer de mama. III Encontro Nacional De Engenharia Biomecânica.
McGarigal, K. and Marks, B. (1995). Fragstats: spatial pattern analysis program for quantifying landscape structure. USDA Forestry Service Technical Report PNW, page 134.
Mitchell, T. M. (1997). Machine learning. McGraw-Hill, New York. United States of America.
Pérez, N., Guevara, M. A., and Silva, A. (2012). Evaluation of feature selection methods for breast cancer classifications. 15th International Conference on Experimental Mechanics, page 10.
Quinlan, R. (1993). C4.5: programs for machine learning. CA: Morgan Kaufmann Publishers.
Silva, M. P. S., Câmara, G., Souza, R. C. M., Valeriano, D. M., and Escada, M. I. S. (2005). Mining patterns of change in remote sensing image databases. Fifth IEEE International Conference on Data Mining, pages 362–369.
Skaane, P., Engedal, K., and Skjennald, A. (1997). Interobserver variation in the interpretation of breast imaging. Acta Radiol, pages 497–502.
Solomon, C. and Breckon, T. (2011). Fundamentals of digital image processing: a practical approach with examples in matlab. Wiley-Blackwell.
Surendiran, B. and Vadivel, A. (2012). Mammogram mass classification using various geometric shape and margin features for early detection of breast cancer. Int. J. Medical Engineering and Informatics, 4(1):36–54.
Thurfjell, E., Lernevall, K., and Taube, A. (1994). Benefit of independent double reading in a populationbased mammography screening program. Radiology, pages 241–244.
Todd, A. C. and Naghdy, G. (2004). Method for breast cancer classification based solely on morphological descriptors. Medical Imaging, pages 857–867.
Alvarenga, A. V., Infantosi, A. F. C., de Azevedo, C. M., and de Albuquerque Pereira, W. C. (2003). Aplicação de operadores morfológicos na segmentação e determinação do contorno de tumores de mama em imagens por ultra-som. Revista Brasileira de Engenharia Biomédica, 19(2):91–101.
Bins, L., Fonseca, L., and Erthal, G. S. (1996). Satellite imagery segmentation: a region growing approach. In: VIII Brazilian Symposiumon Remote Sensing, pages 677–680.
Calas, M. J. G., Gutfilen, B., and de A. Pereira, W. C. (2012). Cad and mammography: why use this tool? Colégio Brasileiro de Radiologia e Diagnóstico por Imagem, 1:46–52.
Duarte, Y. A. S., do Nascimento, M. Z., and Oliveiras, D. L. L. (2013). Algoritmo de extração de textura baseado em wavelet e clbp para classificação de lesões em mamogramas. Workshop de Informática Médica.
Faceli, K., Lorena, A. C., Gama, J., and de Carvalho, A. C. P. L. F. (2011). Inteligência artificial: uma abordagem de aprendizado de máquina, volume 1. LTC, Rio de Janeiro, 1 edition.
Ferreira, C. B. R. and Borges, D. L. (2005). Uma estratégia de seleção de um subconjunto mínimo de características wavelet em uma abordagem multirresolução para classificação de tumores em mamogramas. V Workshop de Informática Médica, 1.
Gonzalez, R. C. and Woods, R. E. (2008). Digital Image Processing. Prentice Hall, 5 edition.
INCA (2002). Prevenção e controle de câncer. Revista Brasileira de Cancerologia, pages 317–332.
INCA (2012). Câncer de mama.
Junior, G. B., Silva, A. C., de Paiva, A. C., and de Oliveira, A. C. M. (2006). Identificação de massas em mamografias usando textura, geometria e algoritmos de agrupamento e classificação. VI Workshop de Informática Médica WIM, pages 94–104.
Kopans, D. (2000). Imagem da mama. Rio de Janeiro: MEDSI Editora Médica e Científica Ltda, 2 edition.
Leite, G. C., Leite, J. S. S., Meneses, F. G. A., Santos, D. A., and Silva, J. S. (2011). A utilização de técnicas de limiarização para auxílio no diagnóstico de câncer de mama. III Encontro Nacional De Engenharia Biomecânica.
McGarigal, K. and Marks, B. (1995). Fragstats: spatial pattern analysis program for quantifying landscape structure. USDA Forestry Service Technical Report PNW, page 134.
Mitchell, T. M. (1997). Machine learning. McGraw-Hill, New York. United States of America.
Pérez, N., Guevara, M. A., and Silva, A. (2012). Evaluation of feature selection methods for breast cancer classifications. 15th International Conference on Experimental Mechanics, page 10.
Quinlan, R. (1993). C4.5: programs for machine learning. CA: Morgan Kaufmann Publishers.
Silva, M. P. S., Câmara, G., Souza, R. C. M., Valeriano, D. M., and Escada, M. I. S. (2005). Mining patterns of change in remote sensing image databases. Fifth IEEE International Conference on Data Mining, pages 362–369.
Skaane, P., Engedal, K., and Skjennald, A. (1997). Interobserver variation in the interpretation of breast imaging. Acta Radiol, pages 497–502.
Solomon, C. and Breckon, T. (2011). Fundamentals of digital image processing: a practical approach with examples in matlab. Wiley-Blackwell.
Surendiran, B. and Vadivel, A. (2012). Mammogram mass classification using various geometric shape and margin features for early detection of breast cancer. Int. J. Medical Engineering and Informatics, 4(1):36–54.
Thurfjell, E., Lernevall, K., and Taube, A. (1994). Benefit of independent double reading in a populationbased mammography screening program. Radiology, pages 241–244.
Todd, A. C. and Naghdy, G. (2004). Method for breast cancer classification based solely on morphological descriptors. Medical Imaging, pages 857–867.
Publicado
28/07/2014
Como Citar
SOUTO, Lizianne P. Marques; SANTOS, Thiago K. L. dos; SILVA, Marcelino P. dos Santos.
Métricas Morfológicas para a Classificação de Tumores de Mama. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 14. , 2014, Brasília/DF.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2014
.
p. 1794-1803.
ISSN 2763-8952.
