Detalhes bibliográficos
| Ano de defesa: |
2016 |
| Autor(a) principal: |
Gôda, Rúpila Rami da Silva
 |
| Orientador(a): |
Silva, Robson Mariano da
|
| Banca de defesa: |
Delgado, Angel Ramom Sanchez,
Oliveira, Raquel Lima |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal Rural do Rio de Janeiro
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação em Modelagem Matemática e Computacional
|
| Departamento: |
Instituto de Ciências Exatas
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
https://rima.ufrrj.br/jspui/handle/20.500.14407/14356
|
Resumo: |
O câncer de mama é a segunda neoplasia mais frequente no mundo. Segundo dados do Instituto Nacional de Câncer (INCA), no ano de 2014 foram diagnosticados 52.680 novos casos no Brasil, número este que corresponde a um aumento de 22% em relação ao ano de 2013. Sendo responsável por aproximadamente 39% dos óbitos das mulheres portadores de câncer. Apesar da elevada taxa de incidência, a mortalidade causada por esta neoplasia tem diminuído desde o final dos anos oitenta, graças ao avanço das pesquisas em métodos para o diagnóstico precoce. No entanto, diagnosticar corretamente o câncer é um processo complexo e muito difícil em consequência das diversas variáveis envolvidas. Para um diagnóstico preciso, exige-se muita experiência e, principalmente, que a classificação do estadiamento clínico do tumor (estágio do câncer) esteja correta. Os tradicionais sistemas de classificação de patologias utilizados são complexos e em muitas vezes oferecem limitações. Como é o caso da técnica de mamografia, que amplamente utilizada, não é tão eficaz para mulheres com mamas densas, cirurgicamente alteradas ou com menos de 40 anos. Desta forma, torna-se necessário o desenvolvimento de sistemas integrados que combinados com a experiência dos profissionais da área, possibilite realizar o diagnóstico preciso na detecção do câncer de mama. O objetivo do presente trabalho é aplicar a técnica SVM (Máquina de Vetor de Suporte), de sorte a auxiliar na interpretação diagnóstica das microcalcificações detectadas em mamografia de rastreamento. O conjunto de dados utilizado consistiu de 961 amostras de exames mamográficos, obtidos junto ao Instituto de Radiologia da Universidade de Erlangen- Nuremberg. Neste conjunto possuímos informações referentes a idade da paciente, classificação BI-RADS ( Breast Imaging Reporting and Data System), forma, massa, densidade e severidade (benigno|maligno) das microcalcificação. A SVM desenvolvida foi implementada utilizando-se o software R (R Development Core Team; http:// www.R-project.org/ ) . Os dados foram divididos em dois grupos: o conjunto de treinamento composto por 80% das amostras de exames mamográficos, usado para estimar os parâmetros do modelo e o conjunto de teste independente, com 20% das amostras restantes, utilizado para mensurar a performance da SVM. Para avaliar o desempenho do modelo computacional proposto foram utilizados o valor da Precisão Total ou Acurácia (ACC), Sensibilidade (S) e Especificidade(E). Os resultados apresentados pela SVM na identificação das lesões malignas em pacientes portadores de microcalcificações se mantiveram entre 72,7% e 100% o que demonstram que os mesmos alcançaram um grau satisfatório em relação com outras literaturas aplicadas |
