نبذة مختصرة : Dissertação (mestrado)—Universidade de Brasília, Faculdade Gama, Programa de Pós-Graduação em Engenharia Biomédica, 2012. ; A melhor forma de prevenção e controle do câncer de mama, o segundo tipo de câncer com maior incidência mundial, continua sendo o diagnóstico precoce. A mamografia é considerada o principal método de detecção precoce do câncer de mama. As calcificações (acúmulo de cálcio em regiões da mama) são freqüentemente encontradas em exames de rastreio da mama. A distinção entre calcificações tipicamente benignas e calcificações suspeitas de malignidade é uma tarefa complexa. O sistema Breast Image Reporting and Data System (BI-RADS) normatiza a descrição e o manejo dos achados mamográficos entre os especialistas da área médica. Este trabalho fundamenta-se em técnicas de Processamento Digital de Imagens para realizar a extração de informações morfológicas das calcificações e uma Rede Neural Artificial (RNA) Perceptron Múltiplas Camadas (PMC) para classificar as calcificações analisadas de acordo com a classificação morfológica definida pelo BI-RADS. O desempenho da RNA PMC foi avaliado em um teste controlado com calcificações sintéticas, geradas para simular calcificações reais, e validado com calcificações reais, extraídas de mamografias cedidas pela clínica de estudo. Adicionalmente foi desenvolvido um sistema de Raciocínio Baseado em Casos para indicar a classificação BI-RADS final da mamografia conforme análise das calcificações mamárias. A RNA PMC adotada foi testada usando o algoritmo Backpropagation cujos melhores resultados demonstraram uma convergência rápida da RNA e uma boa generalização do conhecimento, permitindo uma classificação com até 98% de acerto. A avaliação da técnica de RBC foi realizada com testes com a especialista da área e técnicas de validação preditiva. Os resultados obtidos validam que a presente proposta disponibiliza um processo consistente de análise das calcificações mamárias através do uso das técnicas de IA e PDI. ...
Processing Request
No Comments.