???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tede.ufam.edu.br/handle/tede/6865
Tipo do documento: Dissertação
Título: Segmentação automática de lesões de mama em imagens de ultrassom utilizando redes neurais convolutivas
Autor: Mendes, João Paulo Campos 
Primeiro orientador: Costa, Marly Guimarães Fernandes
Primeiro coorientador: Costa Filho, Cicero Ferreira Fernandes
Primeiro membro da banca: Pereira, José Raimundo
Segundo membro da banca: Pereira, Wagner Coelho de Albuquerque
Resumo: 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%.
Abstract: 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%.
Palavras-chave: Lesões de mama - Segmentação automática
Aprendizado profundo
Redes neurais convolutivas
Ultrassonografia mamária
Câncer de mama
Área(s) do CNPq: ENGENHARIAS: ENGENHARIA ELÉTRICA
Idioma: por
País: Brasil
Instituição: Universidade Federal do Amazonas
Sigla da instituição: UFAM
Departamento: Faculdade de Tecnologia
Programa: Programa de Pós-graduação em Engenharia Elétrica
Citação: 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.
Tipo de acesso: Acesso Aberto
Endereço da licença: http://creativecommons.org/licenses/by/4.0/
URI: https://tede.ufam.edu.br/handle/tede/6865
Data de defesa: 6-Aug-2018
Appears in Collections:Mestrado em Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
Dissertação_JoãoPauloMendes_PPGEE.pdf3,97 MBAdobe PDFThumbnail

Download/Open Preview


This item is licensed under a Creative Commons License Creative Commons