Segmentação Automática de Mamas em Imagens Infravermelhas Utilizando Limiarização com Refinamento Adaptativo em Bases Multivariadas

Autores

  • Matheus F. O. Baffa IF Sudeste MG - Campus Rio Pomba.
  • Deivison J. M. Cheloni
  • Lucas G. Lattari IF Sudeste MG - Campus Rio Pomba.
  • Maurício A. N. Coelho IF Sudeste MG - Campus Rio Pomba.

DOI:

https://doi.org/10.13037/ria.vol12n2.174

Resumo

O câncer de mama é o tipo mais comum de câncer no mundo. Anualmente são detectados milhares de casos de câncer, e destes, 25% são de mama. Sabendo que o diagnóstico precoce é crítico para o prognóstico do paciente, novas tecnologias à base de análise de imagens são desenvolvidas para guiar um diagnóstico eficaz e menos invasivo. Nesse artigo, é desenvolvido um novo método de segmentação de imagens das mamas em imagens termográficas utilizando limiarização com refinamento adaptativo. Esse método se mostrou eficaz com aproximadamente 96% de acurácia e 98% de sensibilidade na base de dados de imagens infravermelhas da Universidade Federal de Pernambuco e 93% de acurácia e 98% de sensibilidade na base DMR-UFF (Database for Mastology Research) mantidas pela Universidade Federal Fluminense. Além disso, a abordagem proposta é simples de ser implementada computacionalmente, é eficiente e apropriada para aplicações em tempo real e dispositivos móveis.

Downloads

Não há dados estatísticos.

Biografia do Autor

Deivison J. M. Cheloni

IF Sudeste MG - Campus Rio Pomba.

Downloads

Publicado

17-04-2017

Edição

Seção

Artigos