Detecção de Anomalias em Termografia Dinâmica das Mamas
Abstract
Thermography is a test that can be used for early diagnosis of breast cancer. Regions with abnormalities usually present disturbances in the gain temperature. Based on this idea, this paper aims to analyse multiples temporal series in order to identify behaviour patterns among healthy and non-healthy regions. The method was able to correctly identify 10 of 13 exams with anomalies, pointing that the detection method based on amplitude can be promising on the identification of suspicious regions with anomalies.
References
Bezdek, J. C., Ehrlich, R., and Full, W. (1984). Fcm: The fuzzy c-means clustering algorithm. Computers & Geosciences, 10(2):191–203.
INCA (2012). Controle do câncer de mama conceito e magnitude. http://www2.inca.gov.br/wps/wcm/connect/acoes_programas/site/home/nobrasil/programa_controle_cancer_mama/conceito_magnitude. Accessed: 2014-09-20.
INPE (1991-2016). SPRING: Tutorial de Geoprocessamento aula 3 – registro de imagem. http://www.dpi.inpe.br/spring/teoria/. Accessed: 2014-09-20.
Izakian, H. and Pedrycz, W. (2013). Anomaly detection in time series data using a fuzzy c-means clustering. In IFSA World Congress and NAFIPS Annual Meeting (IFSA/NAFIPS), 2013 Joint, pages 1513–1518. IEEE.
LavinskyWolff, M., Rohde, L., Polanczyk, C. A., et al. (2012). Avaliação de Tecnologias em Saúde sumário das evidências e recomendaçoes sobre o uso da termografia no diagnóstico de câncer de mama. http://www.unimed.coop.br/pct/servlet/ServletDownload?id=MjE0NzUxMTE3NA. Accessed: 2014-09-19.
Silva, L. F. (2015). Uma Análise Híbrida para Detecção de Anomalias da Mama usando Séries Temporais de Temperatura. PhD thesis, Universidade Federal Fluminense.
INCA (2012). Controle do câncer de mama conceito e magnitude. http://www2.inca.gov.br/wps/wcm/connect/acoes_programas/site/home/nobrasil/programa_controle_cancer_mama/conceito_magnitude. Accessed: 2014-09-20.
INPE (1991-2016). SPRING: Tutorial de Geoprocessamento aula 3 – registro de imagem. http://www.dpi.inpe.br/spring/teoria/. Accessed: 2014-09-20.
Izakian, H. and Pedrycz, W. (2013). Anomaly detection in time series data using a fuzzy c-means clustering. In IFSA World Congress and NAFIPS Annual Meeting (IFSA/NAFIPS), 2013 Joint, pages 1513–1518. IEEE.
LavinskyWolff, M., Rohde, L., Polanczyk, C. A., et al. (2012). Avaliação de Tecnologias em Saúde sumário das evidências e recomendaçoes sobre o uso da termografia no diagnóstico de câncer de mama. http://www.unimed.coop.br/pct/servlet/ServletDownload?id=MjE0NzUxMTE3NA. Accessed: 2014-09-19.
Silva, L. F. (2015). Uma Análise Híbrida para Detecção de Anomalias da Mama usando Séries Temporais de Temperatura. PhD thesis, Universidade Federal Fluminense.
Published
2016-07-04
How to Cite
CARDOSO, Jessica; SILVA, Aristófanes; PAIVA, Anselmo; B. NETTO, Stelmo; CONCI, Aura.
Detecção de Anomalias em Termografia Dinâmica das Mamas. In: BRAZILIAN SYMPOSIUM ON COMPUTING APPLIED TO HEALTH (SBCAS), 16. , 2016, Porto Alegre.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2016
.
p. 2609-2612.
ISSN 2763-8952.
DOI: https://doi.org/10.5753/sbcas.2016.9909.
