Câncer de mama é o segundo tipo de câncer mais comum no mundo. Atualmente não existem métodos efetivos para prevenir esta doença. Porém, o diagnóstico e o tratamento em estágios iniciais aumentam as chances de cura. Depois de ser constatado que a temperatura de tecidos cancerosos é geralmente mais alta do que a de tecidos vizinhos saudáveis, a termografia passou a ser uma opção a ser considerada em estratégias para identificar esse tipo de câncer. Este artigo propõe um método híbrido de análise de Termografia Infravermelha Dinâmica com o objetivo de identificar pacientes com câncer de mama. Imagens desta modalidade de exame são processadas a fim de gerar sinais térmicos de ambas as mamas. Tais sinais são analisados por técnicas de aprendizagem de máquina supervisionada e não supervisionada. Na fase de testes, cinco modelos de classificação foram gerados, usando redes Bayesianas, redes neurais, tabelas de decisão, bagging e florestas randômicas. Os resultados dos testes mostraram que o método apresentado neste artigo é capaz de identificar pacientes com câncer de mama como também mostraram que redes Bayesianas é a melhor técnica de aprendizagem, pois apresentou acurácia de 100%. Além disso, foi obtida uma acurácia média de 93,63% entre todos os modelos de classificação testados.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.