Segmentação Automática de Mamas em Imagens Infravermelhas Utilizando Limiarização com Refinamento Adaptativo em Bases Multivariadas
DOI:
https://doi.org/10.13037/ria.vol12n2.174Abstract
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
References
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
Published
Issue
Section
License
Copyright (c) 2017 Matheus F. O. Baffa, Deivison J. M. Cheloni, Lucas G. Lattari, Maurício A. N. Coelho
This work is licensed under a 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.
