Aluno: Fabrício Lucimar da Silva

Título: “Classificação e Detecção de Lesões de Mama em Termogramas Utilizando Aprendizado de Máquina Sem Segmentação Prévia.”

Orientador: Prof. Wellington Pinheiro dos Santos

Data-hora: 31/outubro/2017 (14:00h)

Local: Escola Politécnica de Pernambuco – SALA I-5

Resumo:

"O câncer de mama nas mulheres tem tido uma alta taxa de incidência e mortalidade no mundo. No Brasil este tipo de câncer é uma das principais causas de morte por câncer na população feminina, com índices de incidência estimados para 2017 de 56,2 casos de câncer de mama a cada 100 mil mulheres. Para diminuir a mortalidade feminina deste tipo de câncer, faz-se necessária a descoberta precoce de lesões mamárias, pois aumenta a chance de cura, auxiliando na tomada de decisão do tratamento mais eficaz. O principal método de descoberta precoce do câncer é a mamografia, porém ela possui limitações como: dificuldade de identificar alguns canceres sem massa e canceres em mamas densas, suscetibilidade das mamas a radiação ionizante e desconforto do paciente devido a compressão das mamas e o alto custo do mamógrafo. Estes problemas podem ser contornados pelo uso da termografia de mama e o uso de aprendizado de máquina, pois a termografia é um exame não invasivo, sem radiação ionizante, que não depende de faixa etária ou composição cancerígena para sua efetividade, é um exame de menor custo em relação à mamografia e quando utilizado em conjunto com o aprendizado de máquina aumenta sua assertividade. Neste trabalho foi desenvolvido um método para a detecção e classificação de lesões mamárias em exames de termografias de mamas, utilizando algoritmos de aprendizado de máquina. No método desenvolvido, não houve o uso da segmentação da imagem, diminuindo assim sua complexidade. Foram utilizados 1052 termogramas de 153 exames do banco de imagens do Hospital das Clínicas da Universidade Federal de Pernambuco, que tiveram suas características extraídas por Polinômios de Zernike e Haralick e foram classificadas por 8 tipos de algoritmos inteligentes. Estes algoritmos foram avaliados pela sua acurácia e índice kappa, obtendo-se os melhores resultados para a detecção de lesões com os algoritmos: Extreme Learning Machine, com acurácia de 95,41% e índice kappa de 0,91; e o Multilayer Perceptron, com acurácia de 95,09% e índice kappa de 0,90. Estes mesmo algoritmos obtiveram os melhores resultados na classificação das lesões, com o Extreme Learning Machine, com acurácia de 95,55% e índice kappa de 0,93; e o Multilayer Perceptron, com acurácia de 90,06% e índice kappa de 0,85."