Detecção e classificação de lesões em imagens de mamografia usando classificadores SVM, wavelets morfológicas e seleção de atributos

Abstract

O c^ancer de mama e o mais comum entre as mulheres no mundo e no Brasil, depois do de pele n~ao melanoma. De acordo com o Instituto Nacional de C^ancer, em 2013 foram registradas 14.388 mortes devido a esta mol estia. O c^ancer de mama e uma preocupa c~ao n~ao somente nacional, mas mundial. O m etodo utilizado para a sua detec c~ao e a mamogra a, que e uma t ecnica de imagem que utiliza a emiss~ao Raios-X incidentes na mama e capta a parte da radia c~ao n~ao absorvida pelos tecidos mam arios. A mamogra a e um exame de dif cil an alise pelo motivo de, em muitos casos, a densidade tecidual do tumor ser bastante parecida com a densidade de alguns tecidos saud aveis da mama. Uma abordagem interessante e a utiliza c~ao de t ecnicas computadorizadas de aux lio ao diagn ostico, ou seja, ferramentas baseadas em processamento de imagens e intelig^encia computacional projetadas para o apoio ao pro ssional radiologista. Estudos pr evios demonstram que considerar a domin^ancia tecidual mam aria nas ferramentas computacionais de apoio ao diagn ostico melhora consideravelmente as taxas de acerto. Para este trabalho, e proposta a constru c~ao de um sistema de classi ca c~ao de tumores de mama baseado descritores de Zernike como um descritor de forma das les~oes de mama, associado as m aquinas de vetor de suporte como classi cador. S~ao comparadas diferentes t ecnicas de sele c~ao de atributos com o objetivo de reduzir o custo computacional do sistema, mas sempre levando em conta a necessidade de se manter altas taxas de acerto, j a que isto pode re etir em erros de diagn ostico de c^ancer de mama. Atrav es dos dados analisados, e notado que a t ecnica linear de an alise de componentes principais (aliada a transformada de wavelets morfol ogica como etapa de pr e-processamento) se mostrou uma otima t ecnica para realiza c~ao de redu c~ao de atributos com um menor impacto nas taxas de acerto do sistema de apoio ao diagn ostico do c^ancer de mama, onde s~ao obtidas taxas de m edias de redu c~ao de acerto em torno de 2% (uma queda m edia de aproximadamente 95% para 93%), onde a redu c~ao do tamanho do vetor de atributos e de cerca de 64% (dentre os diferentes tipos de tecido, s~ao selecionados de 70 a 89 atributos do total de 224).