| Summary: | Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-05-30T19:36:59Z
No. of bitstreams: 1
GiovanniLucca.pdf: 1608375 bytes, checksum: 90ad0a568a12b861d1a2a3467c275a12 (MD5) === Made available in DSpace on 2017-05-30T19:36:59Z (GMT). No. of bitstreams: 1
GiovanniLucca.pdf: 1608375 bytes, checksum: 90ad0a568a12b861d1a2a3467c275a12 (MD5)
Previous issue date: 2017-01-31 === CAPES === Lung cancer is the leading cause of cancer death worldwide, which accounts for more
than 17% percent of the total cancer related deaths. However, its early detection may
help in a sharp drop in this mortality rate. Because of the arduous analysis process,
alternatives such as computational tools that use image processing techniques and pattern
recognition have been widely developed and explored for the early diagnosis of this disease,
providing a second opinion to the specialist and making this process faster. Therefore,
this work proposes a methodology for the diagnosis of slice-based lung nodules extracted
from computed tomography images using evolutionary convolutional neural networks.
Firstly, the nodules are divided into two sub-regions using the Otsu algorithm based on
the particle swarm optimization algorithm. Then, the slices of the nodules and the slices of
their sub-regions were resized to the 28 x 28 dimension and given as input simultaneously
to the networks. The architecture of the model was composed of three convolutional
neural networks sharing the same fully connected layer at the end. Being a parameterized
model, the genetic algorithm was applied to optimize some parameters, such as the number
of filters in the convolution layers and the number of neurons in the hidden layer. The
proposed methodology was tested on the Lung Image Database Consortium and the Image
Database Resource Initiative, resulting in a sensitivity of 94.66 %, specificity of 95.14 %, accuracy of 94.78 % and area under the ROC curve of 0.949. === O câncer de pulmão é a maior causa de morte por câncer em todo mundo, representando
mais de 17% do total de mortes relacionadas com câncer. No entanto, sua detecçãao
precoce pode ajudar em uma queda acentuada nesta taxa de mortalidade. Devido ao árduo
processo na análise dos exames por imagens, alternativas como sistemas computacionais
que utilizam técnicas de processamento de imagens e reconhecimento de padrões têm sido
amplamente desenvolvidos e explorados para o diagnóstico precoce desta doen¸ca, provendo
uma segunda opinião para o especialista e tornando esse processo mais rápido. Diante disso,
este trabalho propõe uma metodologia para o diagnóstico de nódulos pulmonares baseado
nas fatias extraídas da tomografia computadorizada usando as redes neurais convolucionais
evolutivas. Primeiramente, os nódulos são divididos em duas sub-regiões utilizando o
algoritmo de Otsu baseado no algoritmo de otimização por enxame de partículas. Em
seguida, as fatias dos nódulos e as fatias das suas sub-regiões foram redimensionadas
para a dimensão 28 x 28 e dadas como entrada simultaneamente às redes. A arquitetura
do modelo foi composta por três redes neurais convolucionais compartilhando a mesma
camada completamente conectada no final. Tratando-se de um modelo parametrizado,
o algoritmo genético foi aplicado para otimização de alguns parâmetros, tais como a
quantidade de filtros nas camadas de convolução e a quantidade de neurônios na camada
oculta. A metodologia proposta foi testada na base de imagens Lung Image Database
Consortium e a Image Database Resource Initiative, resultando em uma sensibilidade de
94,66%, especifidade de 95,14%, acurácia de 94,78% e área sob a curva ROC de 0,949.
|
|---|
