Análise discriminante e classificação de imagens 2D de ultrassonografia da mama

Abstract

Os estudos relacionados à detecção e ao tratamento de cânceres por meio de imagens, incluindo o câncer de mama, vêm se aperfeiçoando ano após ano. Segundo especialistas, o câncer de mama se posiciona, na verdade, como o maior causador de morte de câncer na população feminina mundial. E, particularmente, a ultrassonografia mamária, por ter menor custo e evitar o contato prejudicial dos envolvidos com radiação, tem aumentado significativamente nos últimos anos. É com este enfoque que o presente trabalho aborda a análise discriminante de tumores mamarios em imagens 2D ultrassonográficas. O conjunto de imagens utilizado, com dados pre-processados e segmentados, contém tumores mamários benignos e malignos. No processo de analise dessas imagens, métodos estatísticos univariado e multivariado foram investigados com objetivo de extrair informações discriminantes para fins de classificação. Os resultados da aplicação desses métodos estatisticos favorecem a adoção do método multivariado na análise das imagens de ultrassom. Em caráter complementar, este tipo de metodologia pode também evidenciar as diferenças estatísticas mais significaivas entre os tumores, indicando no espaço original das imagens os casos mais simples e difíceis de classificação

Research on detection and treatment of cancer using images, including breast cancer, has improved in the last years. Actually, experts say that breast cancer is the most common cause of cancer death among women worldwide. And, particularly, the breast ultrasound exam, due to its minor cost and no contact with radiation, has increased significantly in recent years. This thesis approaches this problem by carrying out a statistical discriminant analysis of mammary tumors in 2D ultrasound images. The set of images used in this work is composed of benign and malignant breast tumors only. To analyse these images, univariate and multivariate statistical methods have been investigated with the aim of extracting discriminant information for classication purposes. Our results show a good classication performance of the multivariate statistical method when using preprocessed and segmented 2D ultrasound images as a whole. Additionally, this method highlights the most statistically signicant dierences between the tumors, ranking in the original image space the simplest and most dicult cases for classification