Uma Análise Híbrida para Identificação de Câncer de Mama usando Sinais Térmicos

Abstract

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.

Um Estudo sobre Características Extraídas de Imagens Infravermelhas para Detecção de Anormalidades de Mama

“…Logo após a etapa de registro das imagens térmicas adquiridas por TID de uma paciente, detalhado em [Silva et al 2015a], a construção das séries temporais de temperatura segue os seguintes passos:…”

“…Em um trabalho anterior, aplicamos classificadores tendo como entrada características extraídas de séries temporais de temperatura para identificar pacientes com câncer de mama. Os detalhes da metodologia estão em [Silva et al 2015a]. Resumidamente, as imagens obtidas por TID de uma determinada paciente são primeiramente registradas.…”