• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Mémoire de Maîtrise
DOI
10.11606/D.18.2017.tde-02062017-104919
Document
Auteur
Nom complet
César Henrique de Melo Santaella
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Carlos, 2002
Directeur
Jury
Schiabel, Homero (Président)
Mascarenhas, Nelson Delfino d'Ávila
Romero, Roseli Aparecida Francelin
Titre en portugais
Classificação de nódulos em imagens mamográficas digitais por Transformada "Wavelet"
Mots-clés en portugais
Classificação de imagens
Mamografia
Transformada Wavelet
Resumé en portugais
O presente trabalho de pesquisa trata da elaboração de um esquema classificador automático para massas nodulares identificadas em imagens mamográficas digitalizadas, com base na técnica da transformada wavelet. Esse classificador é parte integrante de um esquema computadorizado para auxílio ao diagnóstico (CAD, de "computer-aided diagnosis") em mamografia, que utiliza técnicas de processamento de imagens digitais para identificar, realçar e classificar estruturas de interesse clínico. Utilizou-se também um classificador de distâncias mínimas para distribuir as imagens em suas respectivas classes. Os resultados mostraram que o classificador é capaz de diferenciar com mais de 90% de acerto entre nódulos suspeitos e não suspeito.
Titre en anglais
not available
Mots-clés en anglais
not available
Resumé en anglais
This work performs an automatic classifier scheme addressed to nodular masses detected in digitalized mammographic images, based on the wavelet transform technique. This classifier is part of a computer-aided diagnosis (CAD) scheme in mammography, wich uses digital image processing techniques in order to detect, enchance and classify structures of clinical interest. Also a minimum distances classifier was used in order to distribute the images to their respective classes. Results show that this classifier is capable of differentiating suspect from non-suspect nodules with more than 90% of accuracy.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2017-06-02
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2021. Tous droits réservés.