Segmentação Automática de Mamas em Imagens Infravermelhas Utilizando Limiarização com Refinamento Adaptativo em Bases Multivariadas
DOI:
https://doi.org/10.13037/ria.vol12n2.174Resumo
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
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
Como Citar
Edição
Seção
Licença
Copyright (c) 2019 Matheus F. O. Baffa, Deivison J. M. Cheloni, Lucas G. Lattari, Maurício A. N. Coelho

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Os autores que publicam trabalhos na RIA estão de acordo com os seguintes termos:
- Autores mantêm seus direitos autorais e concedem à RIA o direito à primeira publicação. Admite-se o compartilhamento do referido trabalho, desde que seja reconhecida sua autoria e publicação inicial nesta revista.
- Autores podem fechar contratos adicionais separadamente, para distribuição não exclusiva da versão do trabalho publicado na RIA, com reconhecimento de sua autoria e publicação inicial nesta revista.
- Autores podem publicar e distribuir seu trabalho online, antes ou durante o processo editorial.