Please use this identifier to cite or link to this item: http://hdl.handle.net/123456789/4258
Title: Classificação de nódulos pulmonares em maligno e benigno usando o índice de diversidade taxonômica e distância média filogenética
Other Titles: Classification of pulmonary nodules in malignant and benign using the taxonomic diversity index and phylogenetic mean distance
Authors: COSTA, Robherson Wector de Sousa
Keywords: Imagens médicas
Nódulo pulmonar
Árvores filogenéticas
Índice de diversidade taxonômica
índice de distância média filogenética
Medical images
Pulmonary nodule
Phylogenetic trees
Taxonomic diversity index
Phylogenetic mean distance index
Issue Date: 7-Jan-2020
Publisher: Universidade Federal do Maranhão
Abstract: O câncer de pulmão apresenta a maior causa de morte entre os pacientes em todo o mundo, além de ser uma das menores taxas de sobrevida após o diagnóstico. Portanto, existe uma necessidade crescente de utilizar meios alternativos de diagnóstico para esse tipo de tumor, tornando-se uma ferramenta importante, pois reduz o grau de incerteza no diagnóstico, fornecendo ao médico especialista uma fonte de informação adicional. A metodologia proposta é baseada em técnicas de processamento de imagem e reconhecimento de padrões. Utilizamos índices da Ecologia, chamados índice de diversidade taxonômica ( ) e distância média filogenética (MPD), como descritores de textura, para sugerir uma malignidade ou benignidade do nódulo pulmonar. O cálculo desses índices é baseado em árvores filogenéticas. Esses descritores são usados para o algoritmo genético que gera o melhor modelo de treinamento para ser usado com um classificador de máquina de vetor de suporte. Nos testes, foram usados 1.405 nódulos (1.011 benignos e 394 malignos) do banco de dados LIDC-IDRI. A base foi dividida em dois grupos: treino e teste, com proporções de 80% e 20%, respectivamente. A metodologia apresenta sensibilidade de 93,42%, especificidade de 91,21%, precisão de 91,81% e uma curva ROC de 0,94.
Description: Abstract Lung cancer is the leading cause of death among patients worldwide, and is one of the lowest survival rates after diagnosis. Therefore, there is a growing need to use alternative diagnostic means for this type of tumor, making it an important tool as it reduces the degree of uncertainty in the diagnosis by providing the specialist with an additional source of information. The proposed methodology is based on image processing and pattern recognition techniques. We used Ecology indices, called taxonomic diversity index ( ) and phylogenetic mean distance (MPD), as texture descriptors to suggest malignancy or pulmonary node initiation. The calculation of these indices is based on phylogenetic trees. These descriptors are used for the genetic algorithm that generates the best training model for use with a support vector machine classifier. In the tests, 1,405 nodules (1,011 benign and 394 malignant) from the LIDC-IDRI database were used. The base was divided into two groups: training and test, with proportions of 80% and 20%, respectively. A methodology that presents sensitivity of 93.42%, specificity of 91.21%, precision of 91.81% and a ROC curve of 0.94.
URI: http://hdl.handle.net/123456789/4258
Appears in Collections:TCCs de Graduação em Ciência da Computação do Campus do Bacanga

Files in This Item:
File Description SizeFormat 
ROBHERSON-COSTA.pdfTrabalho de Conclusão de Curso1,51 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.