Metaheurísticas Aplicadas à Detecção, Localização e Classificação de Tumores Mamários Compostos por Múltiplos Focos via Termografia

• Jan Pierre A. S. Rocha UFJF
• Heder S. Bernardino UFJF
• Helio J. C. Barbosa UFJF
• Felipe S. Loureiro UFJF

DOI: https://doi.org/10.5753/sbcas_estendido.2024.2441

Resumo

O câncer de mama é o neoplasma mais comum que afeta as mulheres, e recentemente, técnicas auxiliares de detecção e monitoramento foram propostas, destacando-se a termografia devido ao seu baixo custo. Este estudo tem como objetivo comparar três metaheurísticas para a detecção, localização e classificação de tumores de mama com múltiplos focos por meio de uma análise inversa utilizando a temperatura da superfície da pele, simulada por um modelo 2D não linear da equação de Pennes. O método proposto obteve sucesso em distinguir entre mamas com e sem tumor, além disso, também classifica o foco primário, considerando a influência da temperatura externa.

Referências

Brierley, J. D., Asamura, H., van Eycken, E., and Rous, B. (2021). TNM Atlas, volume 7. John Wiley & Sons.

Figueiredo, A. A. A., Fernandes, H. C., and Guimaraes, G. (2018). Experimental approach for breast cancer center estimation using infrared thermography. Infrared Physics & Technology, 95:100 – 112.

Holland, J. H. (1992). Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control and Artificial Intelligence. MIT Press, Cambridge, MA, USA.

Iljaž, J., Wrobel, L. C., Gomboc, T., Hriberšek, M., and Marn, J. (2020). Solving inverse bioheat problems of skin tumour identification by dynamic thermography. Inverse Problems, 36(3):035002.

López-Ibáñez, M., Dubois-Lacoste, J., Pérez Cáceres, L., Birattari, M., and Stützle, T. (2016). The irace package: Iterated racing for automatic algorithm configuration. Operations Research Perspectives, 3:43–58.

Minkowycz, W., Sparrow, E., and Abraham, J. (2009). Advances in Numerical Heat Transfer, Volume 3, volume 3.

Naser, M. Z. and Alavi, A. H. (2021). Error metrics and performance fitness indicators for artificial intelligence and machine learning in engineering and sciences. Architecture, Structures and Construction.

Qin, A. K., Huang, V. L., and Suganthan, P. N. (2009). Differential evolution algorithm with strategy adaptation for global numerical optimization. IEEE Trans. on Evolutionary Computation, 13(2):398–417.

Rocha, J. P. A. S., Loureiro, F. S., Bernardino, H. S., Vieira, A. B., and Barbosa, H. J. (2024). Metaheuristics applied to the thermographic detection of multicentric breast tumor. Journal of the Brazilian Society of Mechanical Sciences and Engineering. Artigo Submetido.

Storn, R. and Price, K. (1997). Differential evolution – a simple and efficient heuristic for global optimization over continuous spaces. Journal of Global Optimization, 11(4):341–359.

Sung, H., Ferlay, J., Siegel, R. L., Laversanne, M., Soerjomataram, I., Jemal, A., and Bray, F. (2021). Global cancer statistics 2020: Globocan estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA: A Cancer Journal for Clinicians, 71(3):209–249.