Please use this identifier to cite or link to this item: https://rima.ufrrj.br/jspui/handle/20.500.14407/14356
Tipo do documento: Dissertação
Title: Inteligência computacional aplicada em microcalcificações mamárias
Other Titles: Computational intelligence applied in mammary microcalcifications
Authors: Gôda, Rúpila Rami da Silva
Orientador(a): Silva, Robson Mariano da
Primeiro membro da banca: Delgado, Angel Ramom Sanchez
Segundo membro da banca: Oliveira, Raquel Lima
Keywords: SVM;S;ACC;E
Área(s) do CNPq: Ciência da Computação
Idioma: por
Issue Date: 30-Aug-2016
Publisher: Universidade Federal Rural do Rio de Janeiro
Sigla da instituição: UFRRJ
Departamento: Instituto de Ciências Exatas
Programa: Programa de Pós-Graduação em Modelagem Matemática e Computacional
Citation: GÔDA, Rúpila Rami da Silva. Inteligência computacional aplicada em microcalcificações mamárias. 2016. 79 f. Dissertação (Mestrado em Modelagem Matemática e Computacional) - Instituto de Ciências Exatas, Universidade Federal Rural do Rio de Janeiro, Seropédica - RJ, 2016.
Abstract: O câncer de mama é a segunda neoplasia mais frequente no mundo. Segundo dados do Instituto Nacional de Câncer (INCA), no ano de 2014 foram diagnosticados 52.680 novos casos no Brasil, número este que corresponde a um aumento de 22% em relação ao ano de 2013. Sendo responsável por aproximadamente 39% dos óbitos das mulheres portadores de câncer. Apesar da elevada taxa de incidência, a mortalidade causada por esta neoplasia tem diminuído desde o final dos anos oitenta, graças ao avanço das pesquisas em métodos para o diagnóstico precoce. No entanto, diagnosticar corretamente o câncer é um processo complexo e muito difícil em consequência das diversas variáveis envolvidas. Para um diagnóstico preciso, exige-se muita experiência e, principalmente, que a classificação do estadiamento clínico do tumor (estágio do câncer) esteja correta. Os tradicionais sistemas de classificação de patologias utilizados são complexos e em muitas vezes oferecem limitações. Como é o caso da técnica de mamografia, que amplamente utilizada, não é tão eficaz para mulheres com mamas densas, cirurgicamente alteradas ou com menos de 40 anos. Desta forma, torna-se necessário o desenvolvimento de sistemas integrados que combinados com a experiência dos profissionais da área, possibilite realizar o diagnóstico preciso na detecção do câncer de mama. O objetivo do presente trabalho é aplicar a técnica SVM (Máquina de Vetor de Suporte), de sorte a auxiliar na interpretação diagnóstica das microcalcificações detectadas em mamografia de rastreamento. O conjunto de dados utilizado consistiu de 961 amostras de exames mamográficos, obtidos junto ao Instituto de Radiologia da Universidade de Erlangen- Nuremberg. Neste conjunto possuímos informações referentes a idade da paciente, classificação BI-RADS ( Breast Imaging Reporting and Data System), forma, massa, densidade e severidade (benigno|maligno) das microcalcificação. A SVM desenvolvida foi implementada utilizando-se o software R (R Development Core Team; http:// www.R-project.org/ ) . Os dados foram divididos em dois grupos: o conjunto de treinamento composto por 80% das amostras de exames mamográficos, usado para estimar os parâmetros do modelo e o conjunto de teste independente, com 20% das amostras restantes, utilizado para mensurar a performance da SVM. Para avaliar o desempenho do modelo computacional proposto foram utilizados o valor da Precisão Total ou Acurácia (ACC), Sensibilidade (S) e Especificidade(E). Os resultados apresentados pela SVM na identificação das lesões malignas em pacientes portadores de microcalcificações se mantiveram entre 72,7% e 100% o que demonstram que os mesmos alcançaram um grau satisfatório em relação com outras literaturas aplicadas
Abstract: Breast cancer is the second most common cancer worldwide. According to the National Cancer Institute (INCA) in 2014 were diagnosed 52,680 new cases in Brazil, a number that corresponds to a 22% increase over the year 2013. Being responsible for approximately 39% of women's deaths cancer patients. Despite the high incidence rate, mortality from this cancer has declined since the late eighties, thanks to advances in research on methods for early diagnosis. However, correctly diagnosing cancer is a complex and difficult process as a result of the different variables involved. For an accurate diagnosis, a lot of experience and especially it is required, that the classification of clinical staging of tumor (cancer stage) is correct. The conditions used traditional classification systems are complex and often offer limitations. As is the case of mammography technique, widely used, it is not as effective for women with dense breasts, surgically altered, or under 40 years. Thus, it becomes necessary to develop integrated systems that combined with the professionals in the field experience, allows performing accurate diagnosis in detecting breast cancer. The objective of this study is to apply the technique SVM (Support Vector Machine), so as to assist in the diagnostic interpretation of microcalcifications detected on screening mammography. The data set used consisted of 961 samples of mammograms, obtained from the Radiology Institute of the University of Erlangen Nuremberg. In this set we have information on the age of the patient, BI-RADS (Breast Imaging Reporting and Data System), shape, mass, density and severity (benign | malignant) of microcalcifications. The SVM was developed implemented using the R software (R Development Core Team; http: // www.R-project.org/). The data were divided into two groups: the training set consisting of 80% of the samples of mammographic, used to estimate the model parameters and the independent test set, with 20% of the remaining samples, used to measure the performance of SVM . To evaluate the performance of proposed computational model we used the value of the Total Precision or Accuracy (ACC), sensitivity (S) and specificity (E). The results presented by SVM in identifying malignant lesions in patients with calcifications remained between 72.7% and 100%, which shows that they achieved a satisfactory level in relation to other literatures applied
URI: https://rima.ufrrj.br/jspui/handle/20.500.14407/14356
Appears in Collections:Mestrado em Modelagem Matemática e Computacional

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Files in This Item:
File Description SizeFormat 
2016 - Rupila Rami da Silva Goda.pdfRupila Rami da Silva Goda2.8 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.