Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/43293
Full metadata record
DC FieldValueLanguage
dc.creatorGoes, Bruno Augusto Machado-
dc.date.accessioned2024-09-09T13:51:33Z-
dc.date.available2024-09-09T13:51:33Z-
dc.date.issued2024-08-29-
dc.identifier.citationGOES, Bruno Augusto Machado. Avaliação da segmentação de microcalcificações em mamografias com operações morfológicas. 2024. 80 f. Dissertação (Mestrado em Engenharia Biomédica) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://doi.org/10.14393/ufu.di.2024.635.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/43293-
dc.description.abstractMammography is an x-ray imaging method recommended for breast cancer early detection, the second most diagnosed cancer type worldwide, because allows to visualize suspicious findings, such as masses and microcalcifications, in early stages of disease. Microcalcifications are small calcium deposits that could be associate to breast cancer, being important the detection of these structures to correct image evaluation. In this scenario, research in digital mammography image processing aims to develop methods to detect and segmentate microcalcifications to facilitate the searching for these objects in image. This work intents to perform microcalcification segmentation using watershed segmentation with markers defined by the morphological operators h-maxima and top-hat. To achieve this, tests were carried out with different structuring element size, minimum intensity difference between pixels, thresholding and denoising techniques, such as the Wiener filter and wavelet transform. Besides that, two artificial neural networks were developed for classification of true and false positive regions, aiming to reduce the number of false positive regions. The marker-controlled watershed segmentation using markers from h-maxima and top-hat operations was well succeeded in identifying regions with microcalcifications, resulting in high sensitivity value, but with low specificity and accuracy values, due to high false positive numbers. The results of the classification step indicate that the developed models were effective to reduce the number of false positive regions, with increase in accuracy and specificity, but decrease in sensitivity.pt_BR
dc.description.sponsorshipPesquisa sem auxílio de agências de fomentopt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-sa/3.0/us/*
dc.subjectCâncer de mamapt_BR
dc.subjectMamografiapt_BR
dc.subjectMicrocalcificaçãopt_BR
dc.subjectSegmentaçãopt_BR
dc.subjectWatershedpt_BR
dc.subjectBreast cancerpt_BR
dc.subjectMammographypt_BR
dc.subjectMicrocalcificationpt_BR
dc.subjectSegmentationpt_BR
dc.titleAvaliação da segmentação de microcalcificações em mamografias com operações morfológicaspt_BR
dc.title.alternativeEvaluation of microcalcification segmentation with morphological operationspt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor1Patrocinio, Ana Claudia-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7277318969645668pt_BR
dc.contributor.referee1Cunha, Diego Merigue da-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2199681079558387pt_BR
dc.contributor.referee2Schiabel, Homero-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3470235800622848pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/9637086830012827pt_BR
dc.description.degreenameDissertação (Mestrado)pt_BR
dc.description.resumoA mamografia é o exame radiográfico recomendado para detecção precoce do câncer de mama, o segundo tipo de câncer mais diagnosticado no mundo, pois permite a identificação de achados mamográficos, como nódulos e microcalcificações, em estágios iniciais da doença. As microcalcificações são pequenos depósitos de cálcio que podem estar associados ao câncer de mama, sendo importante a detecção dessas estruturas para avaliação correta da mamografia. Nesse sentido, pesquisas em processamento digital de imagens mamográficas procuram desenvolver técnicas de detecção e segmentação de microcalcificações para facilitar a identificação desses objetos na imagem. Este trabalho busca realizar a segmentação de microcalcificações utilizando a segmentação por watershed com marcadores definidos através das operações morfológicas h-maxima e top-hat. Para isso, foram realizados testes com diferentes tamanhos de elemento estruturante, valores de diferença mínima de intensidade entre pixels, métodos de limiarização e processamento de redução de ruído, como o filtro de Wiener e a transformada wavelet. Além disso, foram desenvolvidos dois modelos de redes neurais artificiais para classificação das regiões dos tipos verdadeiro e falso positivo obtidas na segmentação, com o objetivo de reduzir o número de regiões do tipo falso positivo. A segmentação por watershed usando os marcadores definidos com h-maxima e top-hat foi bem-sucedida na identificação de regiões com microcalcificações, resultando em valores altos para a métrica sensibilidade, porém, em baixos valores para especificidade e acurácia, devido a segmentação de muitos falsos positivos. Os resultados da classificação indicam que os modelos produzidos foram efetivos na redução do número de falso positivos, com aumento das métricas acurácia e especificidade, porém, com redução da sensibilidade do processamento.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-graduação em Engenharia Biomédicapt_BR
dc.sizeorduration80pt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICApt_BR
dc.identifier.doihttp://doi.org/10.14393/ufu.di.2024.635pt_BR
dc.orcid.putcode167157015-
dc.crossref.doibatchid40471508-af71-47bb-8288-3ceca25bf4f6-
dc.subject.autorizadoEngenharia biomédicapt_BR
dc.subject.autorizadoMamografiapt_BR
dc.subject.autorizadoCalcificaçãopt_BR
dc.subject.autorizadoMamas - Câncerpt_BR
dc.subject.odsODS::ODS 3. Saúde e bem-estar - Assegurar uma vida saudável e promover o bem-estar para todos, em todas as idades.pt_BR
Appears in Collections:DISSERTAÇÃO - Engenharia Biomédica

Files in This Item:
File Description SizeFormat 
AvaliaçãoSegmentaçãoMicrocalcificações.pdfDissertação2.68 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons