Segmentação automática de lesões de mama em imagens de ultrassom utilizando redes neurais convolutivas

Mendes, João Paulo Campos; http://lattes.cnpq.br/1662388222619097

Dissertação

Segmentação automática de lesões de mama em imagens de ultrassom utilizando redes neurais convolutivas

O diagnóstico precoce é um fator crucial para aumentar as chances de tratamento do câncer de mama. A mamografia é atualmente a melhor forma de se detectar lesões de mama em fases iniciais, contudo, em alguns casos, ela é inconclusiva, necessitando assim, de exames auxiliares com intuito de obter um...

ver descrição completa

Autor principal:	Mendes, João Paulo Campos
Outros Autores:	http://lattes.cnpq.br/1662388222619097
Grau:	Dissertação
Idioma:	por
Publicado em:	Universidade Federal do Amazonas 2019
Assuntos:	Lesões de mama - Segmentação automática Aprendizado profundo Redes neurais convolutivas Ultrassonografia mamária Câncer de mama ENGENHARIAS: ENGENHARIA ELÉTRICA
Acesso em linha:	https://tede.ufam.edu.br/handle/tede/6865

id	oai:https:--tede.ufam.edu.br-handle-:tede-6865
recordtype	dspace
spelling	oai:https:--tede.ufam.edu.br-handle-:tede-68652019-01-18T05:03:47Z Segmentação automática de lesões de mama em imagens de ultrassom utilizando redes neurais convolutivas Mendes, João Paulo Campos Costa, Marly Guimarães Fernandes http://lattes.cnpq.br/1662388222619097 http://lattes.cnpq.br/7169358412541736 Pereira, José Raimundo http://lattes.cnpq.br/3697983438100904 Pereira, Wagner Coelho de Albuquerque http://lattes.cnpq.br/3554447149096438 Lesões de mama - Segmentação automática Aprendizado profundo Redes neurais convolutivas Ultrassonografia mamária Câncer de mama ENGENHARIAS: ENGENHARIA ELÉTRICA O diagnóstico precoce é um fator crucial para aumentar as chances de tratamento do câncer de mama. A mamografia é atualmente a melhor forma de se detectar lesões de mama em fases iniciais, contudo, em alguns casos, ela é inconclusiva, necessitando assim, de exames auxiliares com intuito de obter um diagnóstico diferencial. Com isso, a ultrassonografia mamária surge como o principal adjunto devido ao seu custo e acessibilidade. A ultrassonografia de mama tem potencial de diferenciar lesões malignas de benignas através da análise de características como formato e contorno, no entanto, a análise não é uma tarefa trivial, o que pode se tornar muito custosa e conter variabilidade. Devido a isso, métodos computacionais têm sido criados para auxiliar os especialistas nesta tarefa. Esta dissertação desenvolve um método computacional, baseado em redes neurais convolutivas, para segmentar lesões de mama em imagens de ultrassom. São desenvolvidas três arquiteturas (BUS-CNN1, BUS-CNN2, BUS-CNN3) com diferentes topologias com o objetivo de se analisar a melhor arquitetura para esta tarefa. A base de dados utilizada contem 387 imagens de ultrassom de mama e foi dividida em conjuntos de treinamento e teste, com 255 e 132 imagens, respectivamente. Foram utilizados seis métricas de desempenho para análise quantitativa, são elas: Acurácia, Acurácia Global, Interseção sobre União (IOU), IOU ponderada, Taxa Boudary F1 (BF) e Coeficiente Dice de Similaridade. As três arquiteturas foram treinadas e testadas com os mesmos conjuntos. Após os testes, evidenciou-se que a arquitetura BUS-CNN3 obteve os melhores resultados em cinco das seis métricas utilizadas, com uma Acurácia Global de 95,93%, IOU de 87,92%, IOU ponderada de 92,36%, Taxa BF de 68,77% e Coeficiente Dice de 89,11%. Early diagnosis is a crucial factor in increasing the chances of breast cancer treatment. Mammography is currently the best way to detect lesions in the early stages, however, in some cases, it is inconclusive, requiring ancillary exams to obtain a differential diagnosis. Given this scenario, breast ultrasound appears as the main adjunct because of its cost and accessibility. Breast ultrasound can differentiate malignant lesions from benign through features such as shape and contour, however, its analysis is not a trivial task, which can become very costly and contain variability. Because of this, computational methods have been created to assist the experts in this task. This dissertation develops a computational method, based on convolution neural networks, to segment breast lesions in ultrasound images. Three architectures (BUS-CNN1, BUS-CNN2, BUS-CNN3) are developed with different topologies in order to analyze the best architecture for this task. The database used contained 387 breast ultrasound images and was divided into training and test sets with 255 and 132 images, respectively. Six performance metrics for quantitative analysis were used: accuracy, global accuracy, Intersection Over Union (IOU), weighted IOU, Boundary F1 (BF) ratio and Dice coefficient of similarity. The three architectures were trained and tested with the same sets. After the tests, it was shown that the BUS-CNN3 architecture obtained the best results in five of the six metrics used, with a global accuracy of 95.93%, IOU of 87.92%, weighted IOU of 92.36%, BF ratio of 68.77% and Dice coefficient of 89.11%. FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas 2019-01-17T12:30:53Z 2018-08-06 Dissertação MENDES, João Paulo Campos. Segmentação automática de lesões de mama em imagens de ultrassom utilizando redes neurais convolutivas. 2018. 100 f. Dissertação (Mestrado em Engenharia Elétrica), Universidade Federal do Amazonas, Manaus, 2018. https://tede.ufam.edu.br/handle/tede/6865 por Acesso Aberto http://creativecommons.org/licenses/by/4.0/ application/pdf Universidade Federal do Amazonas Faculdade de Tecnologia Brasil UFAM Programa de Pós-graduação em Engenharia Elétrica
institution	TEDE - Universidade Federal do Amazonas
collection	TEDE-UFAM
language	por
topic	Lesões de mama - Segmentação automática Aprendizado profundo Redes neurais convolutivas Ultrassonografia mamária Câncer de mama ENGENHARIAS: ENGENHARIA ELÉTRICA
spellingShingle	Lesões de mama - Segmentação automática Aprendizado profundo Redes neurais convolutivas Ultrassonografia mamária Câncer de mama ENGENHARIAS: ENGENHARIA ELÉTRICA Mendes, João Paulo Campos Segmentação automática de lesões de mama em imagens de ultrassom utilizando redes neurais convolutivas
topic_facet	Lesões de mama - Segmentação automática Aprendizado profundo Redes neurais convolutivas Ultrassonografia mamária Câncer de mama ENGENHARIAS: ENGENHARIA ELÉTRICA
description	O diagnóstico precoce é um fator crucial para aumentar as chances de tratamento do câncer de mama. A mamografia é atualmente a melhor forma de se detectar lesões de mama em fases iniciais, contudo, em alguns casos, ela é inconclusiva, necessitando assim, de exames auxiliares com intuito de obter um diagnóstico diferencial. Com isso, a ultrassonografia mamária surge como o principal adjunto devido ao seu custo e acessibilidade. A ultrassonografia de mama tem potencial de diferenciar lesões malignas de benignas através da análise de características como formato e contorno, no entanto, a análise não é uma tarefa trivial, o que pode se tornar muito custosa e conter variabilidade. Devido a isso, métodos computacionais têm sido criados para auxiliar os especialistas nesta tarefa. Esta dissertação desenvolve um método computacional, baseado em redes neurais convolutivas, para segmentar lesões de mama em imagens de ultrassom. São desenvolvidas três arquiteturas (BUS-CNN1, BUS-CNN2, BUS-CNN3) com diferentes topologias com o objetivo de se analisar a melhor arquitetura para esta tarefa. A base de dados utilizada contem 387 imagens de ultrassom de mama e foi dividida em conjuntos de treinamento e teste, com 255 e 132 imagens, respectivamente. Foram utilizados seis métricas de desempenho para análise quantitativa, são elas: Acurácia, Acurácia Global, Interseção sobre União (IOU), IOU ponderada, Taxa Boudary F1 (BF) e Coeficiente Dice de Similaridade. As três arquiteturas foram treinadas e testadas com os mesmos conjuntos. Após os testes, evidenciou-se que a arquitetura BUS-CNN3 obteve os melhores resultados em cinco das seis métricas utilizadas, com uma Acurácia Global de 95,93%, IOU de 87,92%, IOU ponderada de 92,36%, Taxa BF de 68,77% e Coeficiente Dice de 89,11%.
author_additional	Costa, Marly Guimarães Fernandes
author_additionalStr	Costa, Marly Guimarães Fernandes
format	Dissertação
author	Mendes, João Paulo Campos
author2	http://lattes.cnpq.br/1662388222619097
author2Str	http://lattes.cnpq.br/1662388222619097
title	Segmentação automática de lesões de mama em imagens de ultrassom utilizando redes neurais convolutivas
title_short	Segmentação automática de lesões de mama em imagens de ultrassom utilizando redes neurais convolutivas
title_full	Segmentação automática de lesões de mama em imagens de ultrassom utilizando redes neurais convolutivas
title_fullStr	Segmentação automática de lesões de mama em imagens de ultrassom utilizando redes neurais convolutivas
title_full_unstemmed	Segmentação automática de lesões de mama em imagens de ultrassom utilizando redes neurais convolutivas
title_sort	segmentação automática de lesões de mama em imagens de ultrassom utilizando redes neurais convolutivas
publisher	Universidade Federal do Amazonas
publishDate	2019
url	https://tede.ufam.edu.br/handle/tede/6865
_version_	1831969703114833920
score	11.753735

Segmentação automática de lesões de mama em imagens de ultrassom utilizando redes neurais convolutivas

Registros relacionados