Segmentação Multi-classes em termografias mamárias utilizando Redes Profundas

  • Gabriela Pinheiro Henriger UERJ
  • Sílvia Cristina Dias Pinto UERJ

Resumo


Apesar dos muitos avanços da medicina e da ciência no combate ao câncer de mama, estudos recentes sobre a incidência da doença no Brasil e no mundo mostram que essa doença é uma das principais causas de morte entre as mulheres. A fim de colaborar com o diagnóstico precoce das anomalias mamárias, aumentando as chances de cura, a imagem da termografia mamária tem sido utilizada com o intuito de colaborar onde a mamografia é desfavorável. Assim, este trabalho propõe a utilização do protocolo estático de termografia, pois oferece 5 pontos de vista da região mamária, ampliando assim a possibilidade de encontrar carcinomas. E, para encontrar a região de interesse nessas imagens, utilizamos a arquitetura de rede U-Net para realizar uma segmentação multi-classe com o objetivo de fornecer uma etapa futura de reconhecimento de padrões termográficos mais eficientes entre mamas saudáveis e anormais. Os resultados preliminares alcançaram uma precisão de 80,71% e um valor de 0,82% para a métrica IoU.

Referências

INCA, Estimativa 2020 : incidência de câncer no Brasil. Rio de Janeiro: Ministério da Saúde, 2019.

FEMAMA, "Câncer de mama: entenda as diferenças entre prevenção e detecção precoce," 2019.

T. B. Borchartt, A. Conci, R. C. Lima, R. Resmini, and A. Sanchez, "Breast thermography from an image processing viewpoint: A survey," Signal Processing, vol. 93, no. 10, pp. 2785-2803, 2013, signal and Image Processing Techniques for Detection of Breast Diseases.

J. Singh and A. S. Arora, "Automated approaches for rois extraction in medical thermography: A review and future directions," Multimedia Tools Appl., vol. 79, no. 21-22, p. 15273-15296, 2020.

R. Roslidar, A. Rahman, R. Muharar, M. R. Syahputra, F. Arnia, M. Syukri, B. Pradhan, and K. Munadi, "A review on recent progress in thermal imaging and deep learning approaches for breast cancer detection," IEEE Access, vol. 8, pp. 116 176-116 194, 2020.

E. A. Mohamed, E. A. Rashed, T. Gaber, and O. Karam, "Deep learning model for fully automated breast cancer detection system from thermograms," PLOS ONE, vol. 17, no. 1, pp. 1-20, 01 2022.

L. F. da Silva, D. C. M. Saade, G. O. Sequeiros, A. C. Silva, A. C. de Paiva, R. de Souza Bravo, and A. Conci, "A new database for breast research with infrared image," Journal of Medical Imaging and Health Informatics, vol. 4, pp. 92-100, 2014.

E. Gerasimova, O. Plekhov, Y. Bayandin, O. Naimark, and G. Freynd, "Identification of breast cancer using analysis of thermal signals by nonlinear dynamics methods," 01 2012.

K. McPherson, C. M. Steel, and J. M. Dixon, "Breast cancer-epidemiology, risk factors, and genetics," BMJ, vol. 321, no. 7261, pp. 624-628, 2000.

C. N. S. Belfort, "Análise e classificação de termografias dinâmicas da mama utilizando a variação de temperatura e máquina de vetores de suporte," 2016.

E. d. L. Chaves, "Detecção de câncer de mama por meio de imagens infravermelhas utilizando redes neurais convolucionais," 2019.

L. F. d. Silva, "Uma análise híbrida para detecção de anomalias da mama usando séries temporais de temperatura," Ph.D. dissertation, Universidade Federal Fluminense, 2015.

G. O. Sequeiros, "Desenvolvimento de um banco de dados de imagens mastológicas acessíveis via web com recuperação de imagens baseada em conteúdo," Master's thesis, Universidade Federal Fluminense, 2013.

F. J. P. Andrade, A. C. Paiva, and A. C. Silva, "Análise de imagens de termografia dinâmica para classificação de alterações na mama usando séries temporais," in SIBGRAPI. Niterói, RJ, Brazil: SBC, 10 2017.

R. d. S. Marques, "Segmentação automática das mamas em imagens térmicas," Master's thesis, Universidade Federal Fluminense, 2012.

C. B. Gonçalves, "Detecção de câncer de mama utilizando imagens termográficas," 2017.

O. Ronneberger, P. Fischer, and T. Brox, "U-net: Convolutional networks for biomedical image segmentation," in Medical Image Computing and Computer-Assisted Intervention - MICCAI 2015. Springer International Publishing, 2015, pp. 234-241.

R. Ribani and M. Marengoni, "A survey of transfer learning for convolutional neural networks," 10 2019, pp. 47-57.

H. Rezatofighi, N. Tsoi, J. Gwak, A. Sadeghian, I. Reid, and S. Savarese, "Generalized intersection over union," June 2019.
Publicado
24/10/2022
Como Citar

Selecione um Formato
HENRIGER, Gabriela Pinheiro; PINTO, Sílvia Cristina Dias. Segmentação Multi-classes em termografias mamárias utilizando Redes Profundas. In: WORKSHOP DE TRABALHOS EM ANDAMENTO - CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES (SIBGRAPI), 35. , 2022, Natal/RN. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2022 . p. 92-95. DOI: https://doi.org/10.5753/sibgrapi.est.2022.23268.