Notícias

Banca de QUALIFICAÇÃO: FRANCISCO ADELTON ALVES RIBEIRO

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: FRANCISCO ADELTON ALVES RIBEIRO
DATA: 17/02/2017
HORA: 09:00
LOCAL: NUPCelt/CCA/UFPI
TÍTULO: OTIMIZAÇÃO DE IMAGENS MAMOGRÁFICAS PARA AUXILIO AO DIAGNÓSTICO MÉDICO
PALAVRAS-CHAVES: Processamento de imagens. Mamografia. Câncer de Mama. Redes Neurais Artificiais
PÁGINAS: 130
GRANDE ÁREA: Ciências da Saúde
ÁREA: Medicina
SUBÁREA: Clínica Médica
ESPECIALIDADE: Cancerologia
RESUMO:

O câncer de mama é a neoplasia maligna mais comum em mulheres de países ocidentais após o câncer de pele não melanoma. No mundo, há mais de 1,5 milhão de casos novos diagnosticados anualmente e mais de 500 mil mortes pela doença, sendo que no Brasil foram estimados 57.960 novos casos de câncer de mama e cerca de 14.206 mortes em mulheres pela doença. A mamografia é o exame diagnóstico padrão que permite a descoberta precoce que reduz a mortalidade em cerca de 30%. Todavia, os sistemas computacionais podem melhorar a acurácia da imagem mamográfica na detecção das neoplasias. O presente estudo deve por objetivo desenvolver um software para otimização de imagens mamográficas e auxilio ao diagnóstico médico. Esta tese foi estruturada em quatro capítulos. O capítulo I trata de uma prospecção sobre os software para processamento de imagem, buscando indícios do estado atual da técnica via cenário de patentes depositadas relacionadas a softwares de diagnóstico e processamento de imagens mamográficas no Brasil e no mundo. Foram encontrados 107 registros de patentes, sendo 72 resultantes da busca relacionadas ao termo “Software diagnosis breast câncer“, 32 relacionadas ao termo” Software mammography” e 3 ao termo “Software processing images“, demonstrando a necessidade de desenvolvimento do softwares para processamento de imagens mamográficas. O capítulo II mostrou as técnicas de treinamento e aprendizado de máquina com uso de redes neurais artificiais, para detectar massas em imagens mamográficas, utilizando extração de características de texturas. Os resultados obtidos comprovaram que o algoritmo Random Forest obteve o melhor índice de acerto, no que diz respeito à sensibilidade, especificidade e acurácia, atingindo 92.10%, 93.50% e 92.90%, respectivamente. O capítulo III  trata de um mapeamento sistemático sobre algoritmos utilizados nas etapas de processamento de imagens mamomográficas. As buscas foram realizadas nas bases de dados Web of Science, Engineering Village e Scopus. Os resultados obtidos foram 199 artigos dos quais, após uma seleção rigorosa realizada por três especialista em processamento de imagens, apenas 14 artigos foram indicados como estudos relevantes para o mapeamento. Os algoritmos Otsu e o PSO destacaram-se na etapa de segmentação, os quais foram utilizados em 9 dos 14 artigos aceitos, já na etapa de extração das características obteve destaque o algoritmo de Haralick, utilizado em 7 das 14 publicações e por fim na etapa de classificação por aprendizagem supervisionada, destacou-se como melhor classificador  o algoritmo de Support Vector Machines, utilizado em 5 dos 14 artigos aceitos. O capítulo IV trata do Certificado de Registro de Programa de Computador.


MEMBROS DA BANCA:
Interno - 2549060 - CARLA EIRAS
Interno - 778.751.253-91 - FRANCISCO DAS CHAGAS ALVES LIMA - UESPI
Interno - 423551 - RITA DE CASSIA MENESES OLIVEIRA
Notícia cadastrada em: 24/01/2017 14:17
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb05.ufpi.br.instancia1 28/03/2024 10:12