Use este identificador para citar ou linkar para este item:
https://ri.unir.br/jspui/handle/123456789/4383
Título: | Detecção e classificação de câncer de pulmão em imagens de tomografia computadorizada usando processamento de imagem |
Autor(es): | Bordin, Bruno Lincon de Souza |
Palavras-chave: | Processamento de imagem Classificação Câncer de pulmão Tomografia computadorizada |
Data do documento: | 2022 |
Citação: | BORDIN, Bruno Lincon de Souza. Detecção e classificação de câncer de pulmão em imagens de tomografia computadorizada usando processamento de imagem. 2022. 49 f. Monografia (Bacharelado em Ciência da Computação) - Fundação Universidade Federal de Rondônia, Porto Velho, 2023. |
Resumo: | Câncer é uma das doenças mais graves e disseminadas, responsável por muitas mortes todos os anos. Entre todos os diferentes tipos de câncer, o câncer de pulmão é o mais prevalente, com a maior taxa de mortalidade. A Tomografia Computadorizada (TC) é usada para identificação do câncer de pulmão, pois fornece uma imagem detalhada do tumor no corpo e acompanha seu crescimento. Embora a TC seja preferida a outras modalidades de imagem, a interpretação visual dessas imagens de TC pode ser uma tarefa propensa a erros e pode causar atraso na detecção do câncer de pulmão. Portanto, as técnicas de processamento de imagem são amplamente utilizadas na área médica para a detecção precoce de tumores pulmonares. O algoritmo para detecção de câncer de pulmão é proposto usando métodos como filtragem mediana para pré-processamento da imagem seguido de segmentação da região pulmonar de interesse utilizando operações morfológicas matemáticas. As características geométricas são calculadas a partir da região de interesse extraída e usadas para classificar as imagens de tomografia computadorizada em normais ou anormais através do aprendizado de máquina. O objetivo do trabalho é realizar o processamento de imagem em imagens de tomografia computadorizada e com os resultados obtidos realizar uma classificação se é um nódulo normal, sem câncer, e nódulo anormal, com câncer. O método aplicado foi realizar suavização, transformação de negativo e binarização para o pré-processamento, e operação de abertura morfológica, separação de região e extração de características via função do Octave. Para classificar, extraímos métricas de área, volume e excentricidade dos nódulos. Os resultados experimentais mostraram que os algoritmos Árvores de Decisão (Random Forest) e Redes Neurais (Multilayer Perceptron) apresentaram resultados promissores alcançando os melhores resultados em comparação com os algoritmos K-NN, Naive Bayes e SVM. |
URI: | https://ri.unir.br/jspui/handle/123456789/4383 |
Aparece nas coleções: | Ciência da Computação (Monografias) |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Monografia_Bruno_Bordin.pdf | 1,52 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.