ARTIGO

Ilza Galvo Cutrim

DETECO DE REGIES SUSPEITAS DE LESO NA MAMA EM IMAGENS TRMICAS UTILIZANDO SPATIOGRAM E REDES NEURAIS
SUSPECT DETECTION OF REGIONS OF INJURY IN BREAST IN THERMAL IM-AGES
USING SPATIOGRAM AND NEURAL NETWORKS
DETECCIN DE ZONAS SOSPECHOSAS DE LESIN EN LA MAMA EN IMGENES TRMICAS UTILIZANDO SPATIOGRAM Y REDES NEURALES
Paulo Srgio Aguiar Junior
Caio Nogueira Silva Belfort
Aristfanes Corra Silva
Pedro Henrique Bandeira Diniz
Rita de Cassia Fernandes de Lima
Aura Conci
Anselmo Cardoso de Paiva
Resumo: Este trabalho prope uma metodologia para identificar regies suspeitas de leso baseada nas
assime-trias da mama esquerda e direita de imagens de termogramas. O estudo pautado em imagens
de pacientes do Hospital Universitrio da Universidade Federal de Pernambuco (UFPE), capturadas por
cmera infravermelha. Inicialmente as imagens so manualmente segmentadas. Em seguida, os seios
so registrados usando a transformao B-spline. Alm disso, como o corpo humano tem uma simetria
radial das temperaturas, uma leso, eventualmente, leva uma assimetria destas regies, em seguida,
o spatiogram usado para identificar essas regies assimtricas. Finalmente, apenas as regies com
temperaturas superiores mdia so mantidas, com base no fato de que o cncer tem a temperatura
mais elevada do que o restante mama. Aps esse processo so extradas caractersticas (Variao dos
pixels, a mdia, o desvio padro, o ndice de Geary e Dimenso Fractal de Higuchi) para a classificao
dessas regies restantes em leso ou no leso utilizando-se uma rede neural artificial com perceptron
em multicamadas. A metodologia apresentou 75% das regies classificadas corretamente, indicando que
o spatiogram e a mdia das temperaturas das regies assimtricas so mtodos bem promissores para
identificao de regies suspeitas de conter leso.
Palavras-chave: Termografia. Cncer. Spatiogram. Mama. Rede-neural.
Abstract: This paper proposes a methodology to identify suspicious regions of injury based on asymmetries
of left and right breasts of thermograms images.. The study is based on images captured by infrared camera
from patients at the University Hospital of the Federal University of Pernambuco. Initially the images are
manually segmented. Then, the sinuses are recorded using the B-spline transformation. Furthermore, as the
human body has a radial symmetry of temperatures, damage eventually leads asymmetry of these regions,
then the spatiogram is used to identify those asymmetric.regions. Finally, only the regions with higher than
average temperatures are maintained, based on the fact that the cancer has a higher temperature than
the rest of the breast. After this process features are extracted (Variation of pixels, the mean, standard
deviation, index Geary and Higuchi Fractal Dimension) for the classification of regions remaining in injury
or no injury using an artificial neural network Multilayer perceptron. The methodology showed 75% of
correctly classified regions, indicating that the spatiogram and the average temperatures of the asymmetric
regions are well promises methods to identify regions suspected of containing lesion.
Keywords: Thermography. Cancer. Spatiogram. Breast. Neural-network.
Resumen: En este trabajo se propone una metodologa para identificar las regiones sospechosas de lesin
basado en las asimetras de la mama izquierda y derecha de las imgenes termogramas. El estudio se
basa en las imgenes capturadas por la cmara infrarroja de los pacientes en el Hospital Universitario
de la Universidade Federal de Pernambuco. Inicialmente, las imgenes son segmentadas manualmente.
Luego, los senos se registran utilizando la transformacin B-spline. Adems, como el cuerpo humano tiene
una simetra radial de temperaturas, daos eventualmente conducen a una asimetra de estas regiones,
entonces el spatiogram se utiliza para identificar las regiones asimtricas. Finalmente, basado en el hecho de
que el cncer tiene una temperatura ms alta que el resto de la mama, slo las regiones con temperaturas
ms alta que la temperatura media son mantenidas. Despus de este proceso se extraen caractersticas
(Variacin de pxeles, la media, desviacin estndar, Dimensin ndice y Higuchi Geary fractal) para la
clasificacin de las regiones restantes en lesiones o ninguna lesin utilizando un perceptrn multicapa red
neural artificial. La metodologa mostr 75% regiones clasificados correctamente, lo que indica que las
temperaturas spatiogram y media de las regiones son mtodos asimtricos bien promete para identificar
regiones sospechosas de contener lesin.
Palabras clave: Termografa. Cncer. Spatiogram. Mama. Redes neuronales.
*Artigo recebido maio 2013
Aprovado em junho 2013

56

Cad. Pesq., So Lus, v. 20, n. 2, maio/ago. 2013

Deteco de regies suspeitas de leso na mama

1 INTRODUO
O cncer de mama tem sido h dcadas o
tipo mais comum entre as mulheres. Apesar
da elevada taxa de incidncia, a mortalidade causada por ele tem diminudo desde o
final dos anos oitenta, graas ao avano das
pesquisas em mtodos para o diagnstico
precoce. A mamografia, mtodo de deteco mais amplamente empregado, no to
eficaz para mulheres com mamas densas,
cirurgicamente alteradas ou com menos
de 40 anos. Alm disso, h preocupao
em relao ao risco de radiao ionizante
e a queixas dos pacientes sobre desconforto devido compresso dos seios (KOAY;
HERRY; FRIZE, 2004).
Na procura por outras tcnicas de
imagens para complementar mamografia, a
termografia (ou termograma) apresentou-se como um timo mtodo para melhorar
a eficincia na deteco do cncer de mama
(GAUTHERIE; GROS, 1980). No entanto, a
sua utilizao prematura e a introduo mal
controlada no diagnstico de cncer de mama
trouxe muitas crticas negativas por gerar
muitos falsos positivos. Nos ltimos tempos,
com a melhoria das cmeras infravermelhas
em face da alta aplicao na indstria, a investigao na rea voltou com maior fora,
pois equipamentos mais modernos levaram
a melhores resultados. Com isso, pesquisadores demonstraram que o termograma
tem um grande potencial para a deteco
precoce e prognstico do cncer, usado em
conjunto com a mamografia (FRIZE; HERRY;
ROBERGE, 2002). Como o calor metablico
realizado em todo o corpo, principalmente
por conveco atravs do fluxo de sangue,
um aumento na temperatura cutnea geralmente indica um aumento no fluxo sanguneo em torno do ponto quente (LEEK,
2001). A hipertermia em torno do tumor
causada por dois fatores: a maior taxa metablica das clulas cancerosas e a angiognese do tumor. A angiognese (formao de
novos vasos sanguneos) do tumor tem sido
bastante investigada por ser um significativo
indicador de prognstico do cncer de mama
(CHU; HUANG; CHANG, 1998).
O corpo humano possui certa simetria
em relao ao eixo vertical, com isso uma
pessoa saudvel possui a temperatura de
uma regio da mama prxima temperatura
da outra. O objetivo desde trabalho identificar regies suspeitas de leso baseado
nas assimetrias da mama esquerda e direita
de imagens de termogramas. Para realizar
este objetivo usamos o histograma espacial
(ou spatiogram) para identificar regies que
possuam as temperaturas com certo grau de
assimetria, caractersticas e rede neural para
classific-las em leso ou no leso.
O trabalho est dividido da seguinte forma.
Na seo 2 mostrado o estado da arte, na
seo 3 exposta a fundamentao terica
Cad. Pesq., So Lus, v. 20, n. 2, maio/ago 2013.

para o trabalho. E na seo 4 descrita a utilizao do spatiogram, caractersticas e

redes neurais. Na seo 5 so mostrados os
resultados estatsticos dos casos utilizados
no trabalho e duas imagens so mostradas
com os resultado dos passos da metodologia.
Por fim, na seo 6 exposta a viso sobre
os resultados obtidos neste estudo.
2 TRABALHOS RELACIONADOS
Este trabalho tem como base diversos trabalhos publicados anteriormente em mbito internacional e nacional. Foram utilizadas tcnicas de trabalhos que esto relacionados com o
prognstico do cncer. Gautherie e Gros (1980)
mostraram que a termografia indicava ser
uma boa ferramenta para o prognstico, mas
at ento pouco explorada. Com Leek (2001)
podemos compreender o padro formado pela
angiognese do cncer, assim ressaltando que
as regies do cncer da mama so as que apresentam maior temperatura comparada ao restante da mama. Frize, Herry e Roberge (2002)
compararam regies da mama para identificar
as regies suspeitas por setores. Um mtodo
que se mostrou bem promissor para tal finalidade foi o spatiogram, que descrito por
Birchfield e Rangarajan (2005). Tal mtodo
interessante, pois no so considerados
apenas os valores dos pixel, mas tambm sua
posies, com isso regies que possuem pixel
quentes concentrados em um local sero identificadas de modo diferente de uma regio com
a mesma quantidade de pixel quentes mas no
concentrados. Resmini (2011) mostra que os
ndices descritores de texturas so timos para
o trabalho com imagens trmicas. Koay, Herry
e Frize (2004) mostraram a utilizao de rede
neural e o timo desempenho da rede neural
com perceptron em multicamadas.
3 CONCEITOS BSICOS
3.1 Registro de imagem
Apesar de o corpo humano possuir simetria radial, geralmente as mamas no possuem
a mesma forma e os seus centros no esto
posicionados na mesma linha vertical. Para calcular a regio assimtrica, necessrio que as
mamas possuam a mesma forma e estejam na
mesma direo. Assim sendo, existe a necessidade de registrar as duas mamas, para que haja
a correo em relao rotao e a deformao. Para realizar o registro foi utilizada transformao por deformao B-spline, largamente
usada para resolver problemas de registro deformvel (HAJNAL; HILL; HAWKES, 2001).
3.2 Spatiogram
O histograma (hA(z)), de uma imagem em
nveis de cinza A constitui uma operao global
a qual indica a frequncia de ocorrncia desses
57

Paulo Srgio A. Jnior et al.

nveis ou do brilho z da imagem. Desse modo

o histograma de uma imagem que possua L
nveis de cinza representado por um vetor de
L elementos (FALCO, 2008).
O histograma d uma ideia global da dinmica de uma cena e tem aplicaes em inmeras
transformaes de imagens. O mesmo pode ser
associado a diferentes imagens e sua informao
invariante a operaes de rotao e translao
da imagem. Mesmo assim no so adequados
para a deteco de objetos porque no armazenam informaes a respeito da distribuio espacial dos pixels. Para algumas imagens pertencentes e no pertencentes classe de interesse,
seus histogramas podem ser muito similares,
o que os faz insuficientes para a deteco de
objetos. O spatiogram mantm todas essas informaes espaciais de cada bin(cada elemento
p = (x,y) pertencente ao domnio da imagem).
Para calcular o spatiogram de uma imagem
de N pixels, onde a contagem do bin representada por nb e os bins por b, aplica-se a
Equao 1:

N
nb = Si=1
dib

(1)

Outras informaes necessrias para calcular o spatiogram so a mdia e a covarincia. A mdia calculada a partir da posio
espacial dos pixels que pertence a cada bin,
descrito pela Equao 2. Onde mb mdia das
posies espaciais para cada bin:
(2)

mb = SN1 d SN xidib
i=1

j=1

ib

E a covarincia calculada a partir de cada

bin(Sb), descrito pela Equao 3:

(3)

Sb=

Sj=1 djb
N

N
Si=1
(xi-mb)(xi-mb)Tdib

O spatiogram composto por essas trs

componentes, que vo conter as informaes
espaciais daquela imagem em questo.
Neste trabalho, o spatiogram utilizado
para calcular o nvel de assimetria de regies
das duas mamas, de forma que um valor alto
deste ndice de assimetria significa que essa
regio suspeita de conter uma leso.
Para calcular a diferena entre as imagens
da mama esquerda e direita, so usadas
janelas (A e B) que percorrem as imagens,
calculando o spatiogram para os valores dos
pixels dessas janelas. A comparao entre os
dois spatiogram calculada pela Equao 4,
onde k representa a quantidade de bins na
imagem, e o ndice que indica o nvel de
assimetria das regies da mama:
58

(4)

N S
b= 1k SNj=1SbA Sj=1
bA

Os valores de variam de 0 at 1, onde 0

significa pouco diferente e 1 muito diferente.
Como as mamas no apresentam simetria perfeita h a necessidade de traarmos um limiar
para identificar a partir de qual valor do ndice
as regies podem ser consideradas assimtricas. O limiar adotado em nossos experimentos foi 0,35.
Mais informaes sobre o spatiogram
podem ser obtidas em Birchfield, Rangarajan
(2005).
3.3 Rede Neural Artificial (RNA)
As redes neurais artificiais se fundamentam nos estudos sobre a estrutura do crebro
humano para tentar emular sua forma inteligente de processar informaes. Apesar de
desconhecermos a maneira pela qual o crebro
manipula informaes complexas (BEALE;
JACKSON,1990), sabemos que a modelagem
do conhecimento contido em um problema
especfico pode ser representada atravs de
interconexes entre clulas nervosas. Estruturalmente, a rede neural artificial, tambm
conhecida por modelo conexionista de computao, assemelha-se rede neural biolgica pela composio de seus neurnios e pela
conexo entre eles (WASSERMAN, 1989).
O processo de treinamento pode ser visto
como um problema de otimizao, onde se
quer minimizar o erro quadrtico mdio de
todo o conjunto de dados de treinamento.
Este problema pode ser resolvido de duas
maneiras diferentes: variando o padro de
otimizao heurstica por emparelhamento simulado ou atravs de tcnicas de otimizao
mais especficas, como o algoritmo gentico
no algoritmo do gradiente de descida especializada, como o de retro propagao (brackpropagtion).
O algoritmo mais usado de retropropagao, mas ele tem algumas limitaes relativas, como a extenso de ajustamento para os
pesos em cada interao. Este problema foi
resolvido usando um algoritmo mais avanado como Rprop.
O Rprop (resilient back-propagation)
um algoritmo de adaptao global que realiza
treinamento supervisionado em lote em redes
do tipo Perceptron Multicamada (MLP-Multilayer perceptron) (RIEDMILLER, 1994). Ele
procura eliminar a influncia negativa do valor
da derivada parcial na definio do ajuste dos
pesos. Essa influncia negativa ocorre porque,
quando a sada de um neurnio for prximo
de 0 (ou 1) e a sada desejada for 1 (ou 0), a
derivada ser prxima de 0, fazendo com que
os pesos destes neurnios recebam um ajuste
mnimo, prximo de 0.
Cad. Pesq., So Lus, v. 20, n. 2, maio/ago. 2013

Deteco de regies suspeitas de leso na mama

O algoritimo Rprop elimina esse problema

utilizando apenas o sinal da derivada, e no o
seu valor. O sinal indica a direo do ajuste
dos pesos (aumentar ou diminuir o peso anterior). O tamanho do ajuste dos pesos
dado por um valor de atualizao.
O valor de atualizao definido por um processo de adaptao que depende do sinal derivada do erro com relao ao peso a ser ajustado.
Segundo a regra de adaptao utilizada pelo Rprop, quando a derivada parcial do
erro em relao a um peso mantm o seu
sinal, o que indica que seu ltimo ajuste
reduziu o erro cometido, o valor de atualizao aumentado, acelerando a convergncia do treinamento. Quando a derivada
parcial muda de sinal, o que indica que o
ltimo ajuste foi grande demais, o valor de
atualizao reduzido, mudando a direo
dos ajustes (BRAGA; CARVALHO; LUDERMIR,
2007, p.63).
3.4 ndice de Geary
ndice de Geary uma medida de autocorrelao espacial. A autocorrelao espacial expressa a correlao de observao
adjacente do mesmo fenmeno. Trata-se de
trs dimenses espaciais. Contudo, a correlao pode tambm ser expressa em proximidade temporal.

(6)

Lm(k)=

O ndice de Geary definido na Equao 5:

(5)

C=

(N-1)SiSjwij(xi-xj)2
2wSi(xi-x)2

Onde N o nmero de unidades espaciais

indexadas por i e j. X varivel de interesse, X
a mdia de X, wij uma matriz de pesos espaciais, e w a soma do todos (RESMINI, 2011).
3.5 Dimenso Fractal de Higuchi
Dimenso Fractal de Higuchi uma medida
muito adequada representao de geometrias
mais irregulares. A dimenso fractal pode ser avaliada por diversas maneiras aproximadas e diversos algoritmos de computao. El utilizada em
sinais unidimensionais para medir a complexidade do sinal segundo o conceito fractal. Este conceito descreve melhor a geometria encontrada na
natureza, sendo esta geometria no trivial de ser
representada sinteticamente. O coenficiente de
Higuchi definido na Equao 6 (abaixo), onde k
o degrau aplicado ao clculo, N a quantidade
de dados da sequncia x, m o incio da sequncia
para um determinado k variando de 0 at k 1,
Lm a soma das diferenas do dado atual com o
dado

k posies anterior e

(N-1)
N-m k
k

a normaliza-

o da acumulao (RESMINI, 2011).

N-m
N k |x(m+ik)-x(m+(i-1)k)|(N-1)

Si=1

4 METODOLOGIA PROPOSTA
A metodologia proposta segue os passos
descritos na figura 1.
Para fazer a anlise das imagens, necessria primeiro a extrao das regies de

N-m k
k
interesse nas imagens (mamas esquerda e
direita). Essas regies foram extradas manualmente, com o especialista selecionando
as bordas das mamas por meio do mouse. O
resultado desta operao pode ser visto na
Figura 2.

Figura 1 - Fluxograma da metodologia

Fonte: Elaborado pelos autores

Cad. Pesq., So Lus, v. 20, n. 2, maio/ago 2013.

59

Paulo Srgio A. Jnior et al.

Figura 2 - Imagem segmentada manualmente

Figura 3 - Resultado do registro da imagem

Fonte: Adaptao de Proeng (2012)

Depois de extradas as imagens das

mamas, necessrio que elas tenham a forma
mais semelhante possvel para que a verificao de regies assimtricas seja efetuada corretamente. Desta forma, realiza-se o registro
das mamas com o algoritmo B-spline.
Uma das imagens ser a mama fixa e
a outra ser a imagem a ser registrada (ou
imagem mvel). A imagem a ser registrada ter sua forma alterada para se sobrepor
imagem fixa, obtendo o menor erro possvel em relao forma da mama, ou seja, as
duas imagens possuiro a forma semelhante.
A figura 3 apresenta o resultado da aplicao
do registro, onde (a) a mama direita, (b) a
mama esquerda espelhada e (c) a mama esquerda registrada.
Depois de registradas as imagens das
mamas, usado o spatiogram para identificar
as regies que possuem temperaturas diferentes nas duas imagens, isto , assimtricas. As
reas em verde nas imagens da figura 4 ilustram as regies assimtricas nas duas mamas:
Figura 4 - Regies assimetricas. (a) mama esquerda
e (b) mama direita

Fonte: Elaborado pelos autores

Para classificar essas regies tomamos

como base a mdia de todas as mdias das
temperaturas das regies das duas mamas
identificadas pelo spatiogram. A Equao 7
mostra como calculada a mdia de cada
regio. a mdia de uma regio e MxN o
tamanho dessa regio:
Fonte: Elaborado pelos autores

Em seguida, a partir das regies identificadas pelo spatiogram como assimtricas,

feita uma classificao para eliminar as regies
de baixas temperaturas e restar apenas as
regies de temperaturas acima de um limiar.
Esse limiar a mdia das temperaturas.
60

(7)

i =

1
MxN

SM SN x(i,j)
j=1

i=1

Na Equao 8, calculada a mdia das

mdias das regies individuais (t) e z o nmero
de regies identificadas pelos spatiogram.
Cad. Pesq., So Lus, v. 20, n. 2, maio/ago. 2013

Deteco de regies suspeitas de leso na mama

(8)

t =

Sz i
i=1

Com base no t, so agrupadas as regies

que apresentam altas temperaturas e depois
usado um fecho convexo para melhorar a identificao. A Figura 5 ilustra este processo:
Figura 5 - Mamas com regies com temperaturas
altas marcadas por fecho convexo

Fonte: Elaborado pelos autores

Com base nas regies com temperaturas

altas marcadas por fecho convexo, utiliza-se
a rede neural para classificar essas regies e
indicar aquelas que realmente possam conter
uma leso.
Para criar o vetor de caracterstica para a
MLP com algoritmo de treinamento de retro
propagao com Rprop foram utilizados cinco
ndices amplamente conhecidos. So eles: a
variao dos pixels, a mdia, o desvio padro, o
ndice de Geary e Dimenso Fractal de Higuchi.
Foi extrado um vetor de caractersticas
para anlise de cada regio, a partir do qual
essas regies so analisadas e classificadas
em dois casos: leso ou no leso.

pelo especialista com leso, a mesma ficou localizada em uma dessas regies assimtricas.
A MLP apresenta na camada de entrada 50
neurnios, com uma camada oculta com 24 neurnios e a camada de sada contm 1 neurnio.
A camada de sada e a oculta possuem como
funo de ativao a sigmoide simtrica. A MLP
apresenta fator de incremento do Rprop de 1,2 e
fator de decremento de 0,5 e um delta variando
de 0 a 50. O momento de aprendizagem 0.
Com a utilizao da rede neural para classificar as regies, teve-se 75% de regies classificadas corretamente, dos 25% das regies
classificadas de modo incorreto, 16% foram de
falsos positivos e 9% de falsos negativos.
A seguir ser exemplificada a aplicao da
metodologia proposta em dois casos com diferentes diagnsticos.
A Figura 6 apresenta um termograma com
um carcinoma ductal invasivo indicado por um
quadrado marcado pelo especialista. Na figura
7 tem-se o resultado da metodologia proposta,
em que na mama direita (a) foi identificada a
mesma rea da leso descrita na Figura 6. Na
figura 8, temos a eliminao das regies que
no pertencem leso com a rede neural.
Figura 6 - Termograma com carcinoma ductal invasivo

5 RESULTADOS
Este trabalho utiliza imagens provenientes
da base de dados do projeto PROENG (PROENG,
2012). As imagens foram adquiridas de pacientes
do Hospital Universitrio da Universidade Federal
de Pernambuco (UFPE). As imagens das pacientes
foram adquiridas utilizando uma cmera trmica
modelo Flir ThermaCAM S45 (FLIR SYSTEM,
2004), com a resoluo de 320x240 pixels. O
banco de imagens possui 320 imagens de mamas
saudveis e com leso. Deste total apenas 10
imagens de mamas que possuam leso tiveram
o diagnstico concludo a partir de bipsia ou
exames estruturais como a mamografia. Neste
trabalho ser utilizada uma amostra de imagens
de 20 pacientes que tiveram o diagnstico concludo a partir de bipsia ou exames estruturais
como a mamografia. Desta amostra utilizada, 10
pacientes apresentam ambas as mamas saudveis e 10 pacientes apresentam pelo menos uma
mama com patologia.
Em todas as imagens analisadas com o spatiogram e com as mdias so detectadas entre 1
e 3 regies suspeitas de possuir leso. Em todas
as imagens de mama que foram diagnosticadas

Cad. Pesq., So Lus, v. 20, n. 2, maio/ago 2013.

Fonte: Adaptao de Proeng (2012)

Figura 7 - Regies classificadas como suspeitas de
ser leso

Fonte: Elaborado pelos autores

A figura 9 apresenta um termograma com

um abscesso indicado por um quadrado. Na
Figura 10, tem-se o resultado da metodologia
proposta, na qual na mama esquerda (a) foi
identificada a mesma rea da leso descrita
na figura 9. Na figura 11 temos a eliminao
61

Paulo Srgio A. Jnior et al.

das regies que no pertencem leso com a

rede neural.
Figura 8 - Regies classificadas pela rede neural que
possivelmente tenha leso

Fonte: Adaptao de Proeng (2012)

Figura 9 - Termograma com abscesso

6 CONSIDERAES FINAIS
Neste trabalho foi desenvolvida uma metodologia para detectar regies suspeitas de
conter leso e classific-las utilizando rede
neural. Foi verificado que o spatiogram junto
com a mdia das temperaturas das regies assimtricas e a mdia, desvio padro, ndice de
Geary e Dimenso Fractal de Higuchi na MLP
produziram resultados bem promissores para
identificao de regies suspeitas de conter
leso, pois conseguimos identificar bem as
regies com pouca ou muita diferena de temperatura, principalmente pela deteco das
leses especficas na base de imagens, o que
contribui para os bons resultados alcanados
na classificao da rede neural, em que 75%
de classificao correta foram obtidos.
Os resultados adquiridos com a rede neural
foram bons, levando em conta a pequena base
de imagens disponveis no momento. Com o
aumento da base de imagens os resultados
tendem a melhorar a adio de outros mtodos
para o pr-processamento da imagem tende
a melhorar o resultado final, diminuindo os
falsos positivos e falsos negativos.
AGRADECIMENTOS
Agradecemos a Fapema e CNPq pelo apoio
financeiro e ao NCA pela estrutura fornecida.

Fonte: Adaptao de Proeng (2012)

Figura 10 - Regies classificadas como suspeitas de
ser leso

REFERNCIAS
BEALE, R; JACKSON, T. Neural computing: an
introduction. Bristol: Adam Hilger, 1990
BIRCHFIELD, S. T.; RANGARAJAN, E S.
Spatiograms versus histograms for regionbased tracking. In: IEEE COMPUTER SOCIETY
CONFERENCE ON COMPUTER VISION AND
PATTERN RECOGNITION, 2005. San Diego:
IEE Computer Society, 2005. p. 11581163.
BRAGA, A. P.; CARVALHO A. P. L. F.;
LUDERMIR, E. R. B. Redes neurais artificiais.
2.ed. Rio de Janeiro: LTC, 2007.

Fonte: Elaborado pelos autores

Figura 11 - Regies classificadas pela rede neural

que possivelmente tenha leso

CHU, J. S.; HUANG, C. S.; CHANG, K. J. The

prognostic significance of tumor angiogenesis
in Taiwanese patients with invasive ductal
breast carcinomas. Cancer letters, v.134, n.1,
p. 7-14, 1998.
FLIR SYSTEMS. ThermaCAM TM S45 Infrared
Camera: user manual, 2004. Disponvel em:
<http://yellotec.com/pdf/S45_Datasheet.
pdf>. Acesso em: 19 jun. 2012.
FRIZE, M.; HERRY, C.; ROBERGE, R.
Processing of thermal images to detect breast
cancer: a comparison. In: JOINT IEEE EMBS/
BMES CONF., 2., 2002, Houston Houston, TX,
2002. p. 11591160.

Fonte: Elaborado pelos autores

62

GAUTHERIE M.; GROS, C. M. Breast

thermography and cancer risk prediction.
Cancer, v. 45, p. 516, 1980.
Cad. Pesq., So Lus, v. 20, n. 2, maio/ago. 2013

Deteco de regies suspeitas de leso na mama

HAJNAL, J. V.; HILL, D. L.; HAWKES,

D. J. Medical image registration. Boca
Raton, FL: , CRC Press, 2001.
KOAY, J.; HERRY, C.; FRIZE, M.
Analysis of breast thermography with
an artificial neural network. In: ANNUAL
INTERNATIONAL CONFERENCE OF THE
IEEE EMBS, 26., 2004. p.1-5, 2004.
LEEK, R. D. The prognostic role
of angiogenesis in breast cancer.
Anticancer research, v. 21, n. 6B, p.
4325-4331, 2001.
PROENG. Image processing and image
analyses applied to mastology, 2012.
Disponvel em: <http://visual.ic.uff.br/
en/proeng/>. Acesso em: 19 jun. 2012.

Cad. Pesq., So Lus, v. 20, n. 2, maio/ago 2013.

RESMINI, R. Anlise de imagens

trmicas da mama usando descritores
de textura. Rio de Janeiro: Universidade
Federal Fluminense, 2011.
RIEDMILLER, M. Rprop Description and
implementation details: technical report.
Karlsruhe: University of Karlsruhe, 1994.
WASSERMAN, P. D. Neural computing:
theory and practice. New York: Van
Nostrand Rei
WASSERMAN, P. D. Neural computing:
theory and practice. New York: Van
Nostrand Reinhold, 1989.

63