Segmentação Automática de Mamas em Imagens Infravermelhas Utilizando Limiarização com Refinamento Adaptativo em Bases Multivariadas

Autores

  • Matheus F. O. Baffa IF Sudeste MG - Campus Rio Pomba.
  • Deivison J. M. Cheloni
  • Lucas G. Lattari IF Sudeste MG - Campus Rio Pomba.
  • Maurício A. N. Coelho IF Sudeste MG - Campus Rio Pomba.

DOI:

https://doi.org/10.13037/ria.vol12n2.174

Resumo

O câncer de mama é o tipo mais comum de câncer no mundo. Anualmente 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 na base de dados de imagens infravermelhas da Universidade Federal de Pernambuco e 93% de acurácia e 98% de sensibilidade na base DMR-UFF (Database for Mastology Research) mantidas pela Universidade Federal Fluminense. Além disso, a abordagem proposta é simples de ser implementada computacionalmente, é eficiente e apropriada para aplicações em tempo real e dispositivos móveis.

Downloads

Biografia do Autor

Deivison J. M. Cheloni

IF Sudeste MG - Campus Rio Pomba.

Referências

ARORA, N. M. et al. Effectiveness of a noninvasive digital infrared thermal imaging systems in the detection of breast cancer. American Journal of Surgery, v. 196, n. 4, p. 523–526, 2008.

BAFFA, M. F. O.; CHELONI, D. J. M.; LATTARI, L. G. Segmentação automática de imagens térmicas da mama utilizando limiarização com refinamento adaptativo. Anais do XXXVI Congresso da Sociedade Brasileira de Computação, p. 2499–2508, 2016.

GORE, J. P.; XU, L. X. Thermal Imaging for Biological and Medical Diagnostics. [S.l.]: CRC Press, 2014. 517–530 p.

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

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

LI, X. et al. Estimating the ground truth from multiple individual segmentations incorporating prior pattern analysis with application to skin lesion segmentation. In: ISBI. IEEE, 2011. p. 1438–1441. ISBN 978-1-4244-4128-0. Disponível em: http://dblp.uni-trier.de/db/conf/isbi/isbi2011.html#LiAFR11.

MARQUES, R. S. Segmentação Automática das mamas em imagens térmicas. Dissertação (Mestrado) — Instituto de Computação, Universidade Federal Fluminense, Niterói, RJ, Brasil, 2012.

MOTTA, L. S. Obtenção automática da região de interesse em termogramas frontais da mama para o auxílio à detecção precoce de doenças. Dissertação (Mestrado) — Instituto de Computação, Universidade Federal Fluminense, Niterói, RJ, Brasil, 2010.

PROENG. Processamento e Análise de Imagens Aplicadas à Mastologia. 2008. http://visual.ic.uff.br/proeng/. Acesso em: 20 de setembro de 2016.

SILVA, L. F. et al. A new database for breast research with infrared image. Journal of Medical Imaging and Health Informatics, v. 4, n. 1, p. 92–100, 2014.

Downloads

Publicado

2017-04-17

Como Citar

Baffa, M. F. O., Cheloni, D. J. M., Lattari, L. G., & Coelho, M. A. N. (2017). Segmentação Automática de Mamas em Imagens Infravermelhas Utilizando Limiarização com Refinamento Adaptativo em Bases Multivariadas. Revista De Informática Aplicada, 12(2). https://doi.org/10.13037/ria.vol12n2.174

Edição

Seção

Artigos