8. George W. Bush
8.3 Samuel Alito (2005)
Em uma segunda etapa, o sistema CAD proposto será testado com uma base de dados de mamogramas que reflita a população feminina brasileira, com melhor qualidade de imagens, adequado ao novo modelo de classificação do BI-RADS® (2005). Estes dados estão sendo preparados pela Clínica de Mamografia de Brasília, pela Dra. Janice Magalhães Lamas.
Como estudo futuro, deve ser considerado o aperfeiçoamento do modelo proposto para realizar a extração de características de formas de achados de mamogramas, possibilitando a análise de outras formas de apresentação de cânceres de mama, por exemplo, distorção arquitetural e assimetria e a agregação de algum hibridismo, isto é, a utilização de regras para que o especialista possa saber o porquê do resultado do diagnóstico feito pelo sistema CAD e a melhoria da interface homem-máquina, no que diz respeito a usabilidade do sistema.
O modelo proposto poderá ser comparado com outras arquiteturas neuro-fuzzy, como o NEFCLASS, (Nauck e Kruse, 1997), que possibilitará uma análise de desempenho comparativa para a aplicação da área médica em estudo. Uma avaliação da sensibilidade e especificidade do método proposto poderá validar e medir o desempenho do mesmo.
Um outro método de tratamento de imagens na fase de pré-processamento, como wavelets e transformada de cosseno discreta, pode ser empregado para possibilitar uma melhor adequação das imagens de mamogramas ao método proposto.
ALMEIDA, C. W. D. et al. Web System for Medical Support using Virtual Reality. In: SECOND INTERNATIONAL CONFERENCE ON BIOMEDICAL ENGINEERING, 2003, Innsbruck, Austria. Proceedings …[S.1.:s.n], 2003.
ALMEIDA, C. W. D. et al. Virtual Medical Office: A Medical and Educational Tool. In: INTERNATIONAL CONGRESS ON COMPUTATION BIOENGINEERING, 2003, Espanha. Proceedings…[S.1.:s.n], 2003.
ALMEIDA, C. W. D. et al. Virtual Web System for Realization of Consultation and Diagnosis. CONFERENCE ON MEDICAL CYBERNETICS IN CLINICAL PRACTICE, 2004, Moscow, Russia. Proceedings … Moscow: Burdenko Main Military Clinical Hospital, 2004. p.98-110, vol. 2.
ALMEIDA, C. W. D. et al. Web System for Digital Mammograms Analysis. CONFERENCE ON MEDICAL CYBERNETICS IN CLINICAL PRACTICE, 2004, Moscow, Russia.
Proceedings … Moscow: Burdenko Main Military Clinical Hospital, 2004. p.110-119, vol. 2.
ALMEIDA, S. M. C. et al. Proposal of a Case-Based Reasoning Model for IACVIRTUAL Project. In: VIRTUAL MULTI CONFERENCE ON COMPUTER SCIENCE AND INFORMATION SYSTEMS (MCCSIS 2006), TOPICS OF HEALTH INFORMATICS (HI 2006), 2006. Proceedings …[S.1.:s.n], 2006.
ALMEIDA, S. M. C. et al. The Diagnosis Support System for Ischemic Cardiopathy: A Case Study in the Context of IACVIRTUAL Project. In: WORLD CONGRESS ON MEDICAL PHYSICS AND BIOMEDICAL ENGINEERING (WC2006), 2006, Korea, Seoul.
Proceedings …[S.1.:s.n], 2006.
AZEVEDO, F. M.; BRASIL, L. M.; OLIVEIRA, R. C. L. Redes Neurais com Aplicações
em Controle e em Sistemas Especialistas. Florianópolis, SC : Bookstore, 2000.
BI-RADS®. Sistema de Laudos e Registro de Dados de Imagem da Mama. São Paulo, SP: Colégio Brasileiro de Radiologia, 2005.
BISHOP, C. M. Neural Networks for Pattern Recognition. New York, USA: Oxford University Press, 1995.
BRAGA, A. P.; LUDERMIR, T. B.; CARVALHO, A. C. P. L. F. Redes Neurais Artificiais: Teoria e Aplicações. Rio de Janeiro, RJ: LTC S.A., 2000. 262 p.
CAMPOS, L. F. A. Classificação de Lesões em Mamogramas Digitais Utilizando Análise
de Componentes Independentes e Perceptron Multicamadas. São Luís, MA: UFMA,
2006, 61p. Originalmente apresentada como dissertação de mestrado, Universidade Federal do Maranhão, 2006.
CASTLEMAN, K. R. Digital Image Processing. New Jersey, USA: Prentice Hall, 1996. CHENG, H. D. et al. Computer-aided Detection and Classification of Microcalcifications in Mammograms: A Survey. Pattern Recognition 36, p. 2967-2991, 2003.
CHENG, H. D.; CUI, M. Mass Lesion Detection with a Fuzzy Neural Network. Pattern
CHENG, H. D.; WANG, J.; SHI, X. Microcalcification Detection using Fuzzy Logic and Scale Space Approaches. Pattern Recognition 37, p. 363-375, 2004.
COSTA, L. E. et al. Mathema: A Learning Environment Based on a Multi-Agent Architecture. Proceedings … 12th Brazilian Symposium on Artificial Intelligence, Lecture Notes in Artificial Intelligence, vol. 991, p. 141-150. 1995.
DELAMARO, M. E.; NUNES, F. L. S.; ANDRADE, M. S. Avaliação de sistemas de auxílio ao diagnóstico: utilização de medidas de cobertura de código para aperfeiçoar a geração de curvas ROC. In: VI Workshop de Informática Médica, 2006, Vitória (ES). Anais do Simpósio Brasileiro de Qualidade de Software (SBQS) / VI Workshop de Informática Médica, 2006. v. 1. p. 23-32.
DUDA, R. O.; HART, P. E.; STORK, D. G. Pattern Classification. 2. ed. New York: Wiley- Interscience, 2001.
E-FÍSICA – Ensino de Física On-Line. Acuidade Visual. Disponível em:
http://efisica.if.usp.br/otica/basico/visao/acuidade/. Acesso em 04 fev. 2007.
GONZALEZ, R.; WOODS, R. Digital Image Processing. 2. ed. Nova Jersey, USA: Prentice Hall, 2002.
GOUMOT, P. A. Le Sein - Son Image. 1. ed. Paris, 1993.
HAYKIN, S. Neural Networks: a comprehensive foundation. 2. ed. USA, 1999.
IEEE Standard 610.4-1990. IEEE Standard Glossary of Image Processing and Pattern
Recognition Terminology. IEEE Press, New York, 1990.
INCA – INSTITUTO NACIONAL DE CÂNCER. Estimativa de Incidência de Câncer no
Brasil para 2006. Disponível em: <http://www.inca.gov.br>. Acesso em 25 set. 2006.
JANG, R. ANFIS: Adaptative-network-based fuzzy inference system. IEEE Transactions on
System, Man and Cybernetics, 23(6), 181-198, 1993.
KASSIRER, J. P.; GORRY, G. A. Clinical Problem Solving: a Behavioral Analysis. Annals
of Internal Medicine, v. 89, n. 1, p. 245-255, 1978.
LEE, Y.; TSAI, D. Computerized Classification of Microcalcifications on Mammograms Using Fuzzy Logic and Genetic Algorithm. Proceedings … SPIE, vol. 5370. USA, 2004. LEITE, L. Análise de Componentes Independentes Aplicada à Identificação de Regiões
Lesionadas em Mamogramas. Rio de Janeiro, RJ: UFRJ/COPPE, 2005, 155p.
Originalmente apresentada como dissertação de mestrado, Universidade Federal do Rio de Janeiro, 2005.
MATHWORKS. MatLab, 2003. Disponível em: <http://www.mathworks.com>. Acesso em: 25 setembro 2006.
MAMMOGRAPHIC IMAGE ANALYSIS SOCIETY. MIAS, 2006. Disponível em: <http://www.wiau.man.ac.uk/services/MIAS/MIASmini.html>. Acesso em: 25 set 2006.
MICROSOFT OFFICE. MS Office, 2003. Disponível em: http://www.microsoft.com/. Acesso em: 25 setembro 2006.
MORESI, E. A. D. Gestão da Informação e do Conhecimento. In: Tarapanoff, K. Inteligência Organizacional e Competitiva, Universidade de Brasília, 2001.
MORESI, E. A. D. Manual de Metodologia da Pesquisa. Brasília-DF. Universidade Católica de Brasília, 2003.
MOUSA R.; MUNIB Q.; MOUSSA A. Breast Cancer Diagnosis System Based on Wavelet Analysis. Expert Systems with Applications 28, 2005.
MS - Ministério da Saúde da República Federativa do Brasil. Disponível em: <http://tabnet.datasus.gov.br/cgi/idb2004/d05_03uff.htm>. Acesso em 10 out 2005.
NAUCK, D., KLAWONN, F., KRUSE, R.. Foundations of neuro-fuzzy systems. Wiley Press. USA, 1997.
NONAKA, I. M; TAKEUCHI, H. Criação de conhecimento na empresa. Rio de Janeiro, Ed. Campus, 1997.
OMS - Organização Mundial de Saúde. Disponível em <http://www.who.int>. Acesso em: 25 set 2006.
PARKER, J. R. (1996). Algorithms for image processing and computer vision. Wiley Press. USA.
ROJAS J. C. C. Sistema Especialista Híbrido de Apoio à Decisão de uma Equipe Clínico-
Cirúrgica na Definição de Conduta Terapêutica em Pacientes Coronariopatas. João
Pessoa: UFPB, 2003. Originalmente apresentada como dissertação de mestrado, Universidade Federal da Paraíba, 2003.
RUSSEL, S. J.; NORVIG, P. Artificial Intelligence: A Modern Approach. Upper Saddle River: Prentice-Hall Inc, 1995. 965 p.
SANTOS, V. T. Segmentação de Imagens Mamográficas para Detecção de Nódulos de
Mamas Densas. São Carlos: USP, 2002, 112p. Originalmente apresentada como dissertação
de mestrado, Universidade de São Paulo, 2002.
SILVA, R. P. et al. Aplicação de Raciocínio Baseado em Casos num Sistema de Apoio à Educação e Diagnóstico Médico. In: III CONGRESSO LATINO-AMERICANO DE ENGENHARIA BIOMÉDICA (CLAEB2004), 2004, João Pessoa, Paraíba, Brasil.
SILVA, R. P. Modelo de Apoio ao Diagnóstico no Domínio Médico Aplicando Raciocínio
Baseado em Casos. Brasília, DF: UCB, 2005. Originalmente apresentada como dissertação
de mestrado, Universidade Católica de Brasília, 2005.
STOLLENWERK, M. F. L. Gestão do Conhecimento: conceitos e modelos. In: Tarapanoff, K. Inteligência Organizacional e Competitiva. Universidade de Brasília, 2001.
SUCKLING, J. et al. (1994). The mammographic images analysis society digital mammogram database. Exerpta Medical International Congress Series, 1069, 375-378.
TABAR, L. et al. (2003). Mammography service screening and mortality in breast câncer patients: 20-year follow-up before and after introduction of screening. The Lancet, vol. 361, 1405-1410, 2003.
TEIXEIRA, F. J. Gerenciando Conhecimento. Rio de Janeiro: Ed SENAC, 2001.
THEODORIDIS, S.; KONSTANTINOS, K. Pattern Recognition. USA: Academic Press, 2006.
ZHANG, P.; VERMA B.; KUMAR, K. Neural vs. Statistical Classifier in Conjunction with Genetic Algorithm Based Feature Selection. Pattern Recognition Letters 26, 2005.