аЯрЁБс>ўџ &(ўџџџ%џџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџьЅС)`№Пebjbjѓъѓъ.‘€‘€e џџџџџџЄЄЄЄЄЄЄЄИрррр ь Иi Жш ъ ъ ъ ъ ъ ъ $ h‡ ш Є ЄЄ# Ф Ф Ф ŽЄЄш Ф ш Ф Ф ЄЄФ ј а•–п~ЂЮр’Ф ш 9 0i Ф oЄ oФ oЄФ $Ф   К i ИИИ„<ЄИИИ<ИИИЄЄЄЄЄЄџџџџ O cтncer de mama lidera o эndice de mortalidade em mulheres com idades entre 15 e 54 anos. A maioria dos programas de prevenчуo щ baseada no uso da mamografia para rastreamento. Tщcnicas de aprendizado de mсquina e mineraчуo de dados sуo usadas para ajudar a reduzir a mortalidade por cтncer de mama. Essas tщcnicas sуo normalmente aplicadas em imagens mamogrсficas e bancos de dados clэnicos. Com essas tщcnicas, a informaчуo щ obtida com base em textos de dados clэnicos (dicionсrios de dados), classificaчуo BI-RADS e caracterэsticas extraэdas das imagens, atravщs da utilizaчуo de algoritmos de extraчуo de caracterэsticas e mineraчуo de imagem. Nesta tese щ descrito um novo esquema para auxэlio р detecчуo de problemas nas mamas, utilizando imagens termogrсficas, que pode ser aplicado a vсrios tipos de protocolos de aquisiчуo. As imagens utilizadas foram adquiridas no Hospital Universitсrio Antєnio Pedro da Universidade Federal Fluminense (UFF) e no Hospital das Clэnicas da Universidade Federal de Pernambuco (UFPE). O projeto foi aprovado pelo Comitъ de Щtica da UFF e no Ministщrio da Saњde do Brasil. As imagens adquiridas estуo disponэveis (por requisiчуo) em um banco de dados pњblico no site do VisualLab. Tщcnicas automсticas ou manuais foram utilizadas para se obter as regiѕes das mamas (Regiуo de interesse - ROI) nas imagens. As ROIs foram verificadas com o apoio de um mщdico. As caracterэsticas utilizadas foram baseadas em medidas estatэsticas, histograma, dimensуo fractal de Higuchi e em trъs mщtodos de geoestatэstica: Coeficiente de Geary, Эndice de Moran e funчуo K de Ripley. A classificaчуo dessas caracterэsticas foi realizada usando a Mсquina de Vetores de Suporte (SVM), que щ um classificador linear binсrio nуo probabilэstico baseado em um mщtodo de aprendizado de mсquina supervisionado. Para validar a classificaчуo realizada pelo SVM foram utilizadas as medidas de especificidade, sensibilidade, acurсcia, сrea sobre a curva ROC e o эndice de Youden. Durante os testes foi utilizada uma amostra de 51 termogramas, sendo 37 de pacientes com algum problema na mama e 14 pacientes com mamas saudсveis. Os resultados obtidos pelo SVM foram otimizados utilizando a tщcnica de algoritmo genщtico. O mщtodo apresentado obteve os seguintes resultados: especificidade de 79%, sensibilidade de 92%, acurсcia de 88%, сrea sob a curva ROC de 0,852 e эndice de Youden de 0,705. deќјhGЏhH”RЄњV ­ c П  v Э w а & { г 1ы?šіJЃўTeњњњњњњњњњњњњњњњњњњњњњњњњњњњњgdH”e§,1hА‚. АЦA!АЅ"АЅ#‰$‰%ААФАФ Ф†œ@@ёџ@ NormalCJ_HaJmHsHtH>A@ђџЁ> Fonte parсg. padrуoTi@ѓџГT  Tabela normalі4ж l4жaі ,k@єџС, Sem listae џџџџRЄњV­ cПvЭ wа&{г1ы?šіJЃўT g ˜@0€€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€љ%0€ˆб0JЃўT g љ%0,ъЈљ%0€љ%0€ wањ%љ%0€e e e amМХGKохћ +0˜ПХ ! T Z g ЄАњVX­Г crПЧ w‚ал&/{Šгк12ыэ?HšžJO€ŠЃЌB D ^ ` g T d g g х]dH”GЏџ@€d d 0qqd d e @@џџUnknownџџџџџџџџџџџџG‡z €џTimes New Roman5€Symbol3& ‡z €џArial"qˆ№ФЉ‡г'ˆг'wюwю!№Ѕ‰ДД24a a 2ƒ№HX)№џ?фџџџџџџџџџџџџџџџџџџџџџH”2џџQO cтncer de mama lidera o эndice de mortalidade em mulheres com idades entre 15 evivianevivianeўџр…ŸђљOhЋ‘+'Гй0М˜є(< LX x „ œЄЌДфTO cтncer de mama lidera o эndice de mortalidade em mulheres com idades entre 15 eviviane Normal.dotviviane1Microsoft Office Word@FУ#@’t­~ЂЮ@и7б~ЂЮwюўџеЭеœ.“—+,љЎ0< hp|„Œ” œЄЌД М фUFFa ' RO cтncer de mama lidera o эndice de mortalidade em mulheres com idades entre 15 e Tэtulo ўџџџўџџџўџџџ !"#$ўџџџ§џџџ'ўџџџўџџџўџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџRoot Entryџџџџџџџџ РFа™п~ЂЮ)€1Tableџџџџџџџџ WordDocumentџџџџџџџџ.SummaryInformation(џџџџDocumentSummaryInformation8џџџџџџџџџџџџCompObjџџџџџџџџџџџџuџџџџџџџџџџџџџџџџџџџџџџџџўџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџўџ џџџџ РF#Documento do Microsoft Office Word MSWordDocWord.Document.8є9Вq