Segmentação Automática de Imagens Térmicas das Mamas Utilizando Limiarização com Refinamento Adaptativo

• Matheus Baffa IFSEMG
• Deivison Cheloni IFSEMG
• Lucas Lattari IFSEMG

DOI: https://doi.org/10.5753/sbcas.2016.9896

Resumo

O câncer de mama é o tipo mais comum de câncer no mundo. Todo ano são detectados milhares de casos de câncer, e destes, 25% são de mama. Sabendo que o diagnóstico precoce é crítico para o prognóstico do paciente, novas tecnologias à base de análise de imagens são desenvolvidas para guiar um diagnóstico eficaz e menos invasivo. Nesse artigo, é desenvolvido um novo método de segmentação de imagens das mamas em imagens termográficas utilizando limiarização com refinamento adaptativo. Esse método se mostrou eficaz com aproximadamente 96% de acurácia e 98% de sensibilidade. Além disso, a abordagem proposta é simples de ser implementada computacionalmente, é eficiente e apropriada para aplicações em tempo real.

Referências

Arora, N. M., Martins, D., Ruggerio, D., Tousimis, E., Swistel, A. J., Osborne, M. P.,and Simmons, R. M. (2008). Effectiveness of a noninvasive digital infrared thermal imaging systems in the detection of breast cancer. American Journal of Surgery, 196(4):523–526.

Gore, J. P. and Xu, L. X. (2014). Thermal Imaging for Biological and Medical Diagnostics. CRC Press.

HCB (2015). Informação: Saiba quais são os tipos de câncer mais comuns no brasil. http://www.hcancerbarretos.com.br/82-institucional/noticias-institucional/1300-informacao-saiba-quais-saoos-tipos-de-cancer-mais-comuns-no-brasil. Acesso em: 29 de outubro de 2015.

INCA (2015). Tipos de câncer. http://www2.inca.gov.br/wps/wcm/connect/tiposdecancer/site/home/mama. Acesso em: 07 de novembro de 2015.

Li, X., Aldridge, B., Fisher, R. B., and Rees, J. (2011). Estimating the ground truth from multiple individual segmentations incorporating prior pattern analysis with application to skin lesion segmentation. In ISBI, pages 1438–1441. IEEE.

Marques, R. S. (2012). Segmentação automática das mamas em imagens térmicas. Master’s thesis, Instituto de Computação, Universidade Federal Fluminense, Niterói, RJ, Brasil.

Motta, L. S. (2010). Obtenção automática da regi˜ao de interesse em termogramas frontais da mama para o auxílio à detecção precoce de doenças. Master’s thesis, Instituto de Computação, Universidade Federal Fluminense, Niterói, RJ, Brasil.

Silva, L. F., Saade, D. C. M., Sequeiros-Oliveira, G. O., Silva, A. C., Bravo, R. S., and Conci, A. (2014). A new database for breast research with infrared image. Journal of Medical Imaging and Health Informatics, 4(1):92–100.