Uma abordagem para seleção de candidatos à região de lesão em imagens de mamografia digitalizadas utilizando algoritmos de detecção de pontos de interesse

Submitted by Mario BC (mario@bc.ufrpe.br) on 2022-03-30T13:10:24Z No. of bitstreams: 1 Felipe Victor de Sa Oliveira.pdf: 2029113 bytes, checksum: c3a04b74935beb6840ac5e60dc9608ce (MD5) Made available in DSpace on 2022-03-30T13:10:24Z (GMT). No. of bitstreams: 1 Felipe Victor de Sa Oliveira.pdf: 2029113 bytes, checksum: c3a04b74935beb6840ac5e60dc9608ce (MD5) Previous issue date: 2019-02-28 Breast cancer has been a growing problem for women all over the world. The correct interpretation of mamographic images is important for the diagnosis of breast cancer. However, this is a difficult task even for a specialist. Image processing is used to make the diagnosis less susceptible to errors. In this way, the present work proposes a new method for the selection of candidates for mass in mammography images, using algorithms to detect points of interest for the generation of the candidates. The behavior of SURF, SIFT, BRISK and ORB was analyzed. Furthermore, to prove the efficiency of the approach, the proposed method was compared with the algorithms EdgeBoxes, Rahtu, RandomPrim, Rantalankila, MCG and SelectiveSearch. We used 1210 mammography images acquired from the CBIS-DDSM database. Results showed that the proposed method, based on SURF algorithm presented the best performance, generating on average, for each image, 4.11 of considered candidates in the internal mass area and 10.20 candidates with threshold of IoU > 0.5 and reduction of exploratory space in 72%. Additionally, it was possible to obtain the best accuracy rate in location of masses, between the compared techniques, with 98.13% on average, best rate of medium accuracy with 0,34 mAP and lower execution cost, taking to only 0.001 seconds to generate each mass candidate. O câncer de mama tem sido um problema crescente para as mulheres em todo o mundo. A correta interpretação de imagens mamográficas é importante para obtenção do diagnóstico do câncer de mama. Porém, esta é uma tarefa difícil até mesmo para um especialista. O processamento de imagens é utilizado para tornar o diagnóstico menos suscetível a erros. Desta forma, o presente trabalho propõe um novo método para seleção de candidatos à lesão em imagens mamográficas, baseado na utilização de algoritmos de detecção de pontos de interesse para geração dos candidatos. Foi analisado o comportamento dos algoritmos SURF, SIFT, BRISK e ORB. Ainda, para comprovar a eficiência da abordagem, o método proposto foi comparado aos algoritmos de propostas de objetos EdgeBoxes, Rahtu, RandomPrim, Rantalankila, MCG e SelectiveSearch. Foram utilizadas 1210 imagens de mamografia adquiridas da base CBIS-DDSM. Resultados mostram que o método proposto com base no algoritmo SURF apresentou melhores desempenhos, gerando em média, para cada imagem, 4,11 candidatos considerados na área interna da lesão e 10,20 candidatos com limiar de IoU > 0.5 e redução do espaço exploratório em 72%. Além disso, foi possível obter a melhor taxa de precisão em localização das lesões entre as técnicas comparadas, com 98,13% em média, melhor taxa de precisão média com mAP de 0,34 e menor custo de execução, levando apenas 0,001 segundo para geração de cada candidato à lesão.