http://hdl.handle.net/123456789/2483 2026-04-23T02:25:07Z 2026-04-23T02:25:07Z CARVALHO FILHO, Antonio Oseas de http://hdl.handle.net/123456789/2484 2021-10-20T14:25:02Z 2021-10-20T00:00:00Z

DIAGNÓSTICO PRECOCE DE CÂNCER PULMONAR USANDO 3D DEEP FEATURES CARVALHO FILHO, Antonio Oseas de RESUMO: O câncer de pulmão é apontado como a principal causa de morte entre os pacientes com câncer. As altas taxas de mortes e registros de ocorrências desse câncer em todo o mundo demonstram a importância do desenvolvimento e investigação, a fim de produzir meios para a detecção e o diagnóstico precoce dessa doença. O tempo dispendido para trabalhar com exames por imagem, a subjetividade dos atributos extraídos e a necessidade contínua de investigação para o progresso na área, tem feito surgir novas técnicas de processamento e análise das imagens médicas que melhoram a qualidade do diagnóstico. Dessa forma, com intuito de aumentar a precisão no diagnóstico de lesões, auxiliando o especialista com uma segunda opinião e em processos de triagem, ferramentas de cunho computacional denominadas Computer-Aided Diagnosis (CADx), tem sido amplamente exploradas. Além disso, o cenário conturbado em que vivenciamos, isto é, a pandemia causada pelo SARS-CoV-2 (COVID-19), mostra o quão importante é, a investigação de doenças que acometem o aparelho respiratório, em especial o pulmão. Contribuir para o diagnóstico precoce e preciso do câncer de pulmão é o objetivo principal deste projeto. Normalmente, os processos envolvidos nos sistemas CADx são compostos por quatro etapas: 1) a aquisição de imagem; 2) extração/segmentação dos nódulos para análise; 3) extração de características; e 4) classificação. Nesse contexto, este projeto pretende desenvolver métodos capazes de mensurar as diferenças entre as classes de lesões pulmonares e classificar entre: i) tecido saudável; ii) lesão benigna; iii) lesão maligna; e iv) tipos de pneumonias. Para isso, serão adaptados e propostas novas técnicas através das análises de forma e textura em conjunto com técnicas baseadas em deep learning. ABSTRACT: Lung cancer is considered the leading cause of death among cancer patients. The high rates of deaths and records of occurrences of this cancer worldwide demonstrate the importance of development and investigation to produce means for the detection and early diagnosis of this disease. The time spent working with imaging exams, the subjectivity of the extracted attributes, and the continuous need for research for progress in the area, have given rise to new techniques for processing and analyzing medical images that improve the quality of diagnosis. Thus, to increase the accuracy in the diagnosis of injuries, helping the specialist with a second opinion, and in screening processes, computational tools called Computer-Aided Diagnosis (CADx) have been widely explored. In addition, the troubled scenario in which we live, that is, the pandemic caused by SARS-CoV-2 (COVID-19), shows how important it is to investigate diseases that a!ect the respiratory system, especially the lung. Contributing to the early and accurate diagnosis of lung cancer is the main objective of this project. Typically, the processes involved in CADx systems are composed of four steps: 1) image acquisition; 2) extraction/segmentation of nodules for analysis; 3) feature extraction, and 4) classification. In this context, this project intends to develop methods capable of measuring the di!erences between the classes of lung lesions and classifying between i) healthy tissue; ii) benign lesion; iii) malignant lesion, and iv) types of pneumonia. For this, new techniques will be adapted and proposed by analyzing shape and texture in conjunction with techniques based on deep learning.

2021-10-20T00:00:00Z