Uso conjunto de variáveis intervalares e variáveis clássicas para classificação de termogramas de mama por meio da distância de Mahalanobis

Abstract

O câncer de mama está entre os tipos de câncer mais relatados em mulheres e o diagnóstico precoce torna-se uma tarefa desafiadora nos estágios iniciais de desenvolvimento. Técnicas eficientes e automatizadas, como a termografia, são cada vez mais necessárias para detectar as células cancerosas das mamas. O objetivo deste trabalho é investigar a influência da combinação de variáveis intervalares e variáveis contínuas no processo de classificação de termogramas de mama para detecção do câncer de mama. Na metodologia aplicada, propôs-se uma modificação na matriz de covariância parametrizada de cada classe e ajustou-se o classificador de Mahalanobis para aceitar os dois tipos de variáveis a fim de classificar os indivíduos em benigno, maligno e cisto. Três abordagens do classificador proposto foram aplicadas a duas bases de dados diferentes (50 amostras e 97 amostras) e ajustadas para a classificação binária (câncer e não-câncer). Na base de dados estendida, a abordagem 3 obteve 46,39% de erro global de classificação e 67,86% de sensibilidade à classe maligno. Na classificação binária, a abordagem 3 apresentou o melhor conjunto de resultados: 30,93% de erro global de classificação, 64,28% de sensibilidade à classe câncer e 71% de sensibilidade à classe não-câncer.