PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA (PPGI)

UNIVERSIDADE FEDERAL DA PARAÍBA

Telefone/Ramal
Não informado

Notícias


Banca de DEFESA: MATHEUS CORDEIRO DE MELO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MATHEUS CORDEIRO DE MELO
DATA: 16/11/2017
HORA: 14:00
LOCAL: CI
TÍTULO: Novo Método de Classificação Automática de Achados em Mamografias FFDM e SFM utilizando Rede Neural
PALAVRAS-CHAVES: Classificação de achados mamográficos, Ruído em mamogramas, Mamografias FFDM e SFM.
PÁGINAS: 99
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
RESUMO: O cancer de mama e o tipo de cancer com maior incidencia entre as mulheres. A mamografia e o exame mais indicado para a deteccao precoce deste cancer, possibilitando a deteccao de lesoes muito pequenas e a visualizacao de ate 90% das anormalidades (massas, calcificacoes, distorcoes de arquitetura). O diagnostico do cancer de mama, atraves do exame de mamografia, consiste em um processo propenso a erros devido, principalmente, as interpretacoes equivocadas dos medicos, consequencia da real dificuldade do procedimento. Sistemas Baseados em Diagnostico por Computador (do ingles Computer-Aided Diagnosis – CAD) podem ser desenvolvidos com o objetivo de ser uma segunda opiniao na identificacao e diagnostico da doenca utilizando imagens mamograficas. Imagens mamograficas podem ser obtidas atraves da mamografia convencional (do ingles Screen-film Mammography - SFM) e da totalmente digital (do ingles Full Fiel Digital Mammography - FFDM), a qual apresenta uma melhor resolucao e esta substituindo gradualmente a SFM. Este trabalho desenvolveu um novo metodo de classificacao automatica de achados mamograficos em benignos ou malignos. Primeiramente, foram selecionados dois bancos, o Digital Database for Screening Mammography (DDSM) que disponibiliza imagens coletadas da SFM e o INbreast que possui imagens obtidas pela FFDM. A seguir, foram selecionadas aleatoriamente imagens com massas mamograficas do DDSM e INbreast. Na etapa de pre-processamento, desenvolveu-se uma nova tecnica de identificacao e eliminacao de ruido baseada na Teoria de Informacao. Apos o pre-processamento, importantes descritores foram extraidos atraves da matriz de Co-ocorrencia de Niveis de Cinza e do metodo Analise de Textura Fractal Baseada em Segmentacao. Por fim, a base de caracteristicas serviu de entrada para o algoritmo classificador rede neural perceptron multicamadas. Considerando o DDSM, o metodo atingiu 93,13% de acuracia, 94,17% de especificidade e 91,23% de sensibilidade. Com o INbreast, atingiu-se 88,37% de acuracia, 83,79% de especificidade e 91,84% de sensibilidade. Os resultados obtidos neste trabalho mostraram-se competitivos com a literatura da area.
MEMBROS DA BANCA:
Presidente - 1167863 - LEONARDO VIDAL BATISTA
Interno - 1723491 - CLAUIRTON DE ALBUQUERQUE SIEBRA
Interno - 1743917 - THAIS GAUDENCIO DO REGO
Externo à Instituição - CARLOS DANILO MIRANDA REGIS