Use este identificador para citar ou linkar para este item:
https://repositorio.unisagrado.edu.br/jspui/handle/handle/1503
Título: | CLASSIFICAÇÃO DE NÓDULOS MAMOGRÁFICOS, SEGUNDO A FORMA, UTILIZANDO REDES NEURAIS ARTIFICIAIS |
Autor(es): | MENECHELLI, RENAN CALDEIRA |
Orientador(es): | Ribeiro, Patricia Bellin |
Palavras-chave: | Câncer de Mama;Redes Neurais;Reconhecimento por forma |
Data do documento: | 2009 |
Editor: | Centro Universitário Sagrado Coração - UNISAGRADO |
Resumo: | O número de ocorrências do câncer de mama vem aumentando anualmente. Este trabalho propõe uma metodologia para classificação de nódulos mamográficos pela forma que assumem, establecidas pelo BI-RADS. Inicialmente, criou-se um total de 250 imagens simuladoras de nódulos mamográficos a fim de definir e analisar critérios para classificação. Em seguida, baseando-se na análise, foram selecionadas 110 imagens do banco de imagens mamográficas do LAPIMO contendo laudos baseados nas formas dos nódulos encontrados em cada imagem. De todas as imagens (reais e simuladas) foram extraídos valores de descritores geométricos (atributos de formas) objetivando a caracterização de padrões. Para escolha dos melhores atributos extraídos utilizou-se a distribuição gaussiana confrontada com a técnica ANOVA (Analysis of variance). Os atributos selecionados serviram como entrada da rede neural MLP para classificação. Para os simuladores e imagens reais, foram realizados vários treinamentos com diferentes configurações topológicas para a classificação em variadas classes. Para os simuladores, foram obtidos bons percentuais de generalização. Para classificar 5 classes dos simuladores, alcançou-se um percentual de validação de aproximadamente 72% com 4 neurônios de entrada, 5 neurônios na única camada intermediária, 5 neurônios na camada de saída, taxa de aprendizagem igual a 0,1 e EQM mínimo de 0,0000001. Para as imagens reais, a rede neural MLP foi capaz de classificar apenas 2 classes (benigna e maligna) com 1 atributo de entrada (perímetro), 3 neurônios na única camada intermediária, 2 neurônios na camada de saída, taxa de aprendizagem de 0,3 e EQM mínimo de 0,000000001, atingindo 82% de generalização. |
Descrição: | Trabalho de Conclusão de Curso (Bacharel em Ciência da Computação) - Universidade do Sagrado Coração - Bauru - SP. |
URI: | https://repositorio.unisagrado.edu.br/jspui/handle/handle/1503 |
Aparece nas coleções: | Trabalhos de Conclusão de Curso |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Classificacao de nodulos mamograficos.pdf | Trabalho de Conclusão de Curso | 1,83 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.