English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

Breast cancer is the second most common cancer in the world. Currently, there are no effective methods to prevent this disease. However, diagnosis and treatment in early stages increase cure chances. Since cancerous tissue temperature is generally higher than healthy surrounding tissues, thermography is an option to be considered in strategies to identify this cancer. This paper proposes a new hybrid breast dynamic thermography analysis method in order to identify patients with breast cancer. Images of dynamic thermography are processed in order to generate thermal signals using both breasts. These signals are analyzed by supervised and unsupervised learning techniques. In the test phase, five classification models were generated, using Bayesian networks, neural networks, decision tables, bagging and random forests. Performed tests show that the method presented in this paper is able to identify patients with breast cancer and that Bayesian network is the best learning technique presenting 100% accuracy. In addition, we have obtained an average of 93.63% accuracy among all classification models. Resumo. Câncer de mama é o segundo tipo de câncer mais comum no mundo. Atualmente não existem métodos efetivos para prevenir esta doença. Porém, o diagnóstico e o tratamento em estágios iniciais aumentam as chances de cura. Depois de ser constatado que a temperatura de tecidos cancerosos é geralmente mais alta do que a de tecidos vizinhos saudáveis, a termografia passou a ser uma opção a ser considerada em estratégias para identificar esse tipo de câncer. Este artigo propõe um método hı́brido de análise de Termografia Infravermelha Dinâmica com o objetivo de identificar pacientes com câncer de mama. Imagens desta modalidade de exame são processadas a fim de gerar sinais térmicos de ambas as mamas. Tais sinais são analisados por técnicas de aprendizagem de máquina supervisionada e não supervisionada. Na fase de testes, cinco modelos de classificação foram gerados, usando redes Bayesianas, redes neurais, tabelas de decisão, bagging e florestas randômicas. Os resultados dos testes mostraram que o método apresentado neste artigo é capaz de identificar pacientes com câncer de mama como também mostraram que redes Bayesianas é a melhor técnica de aprendizagem, pois apresentou acurácia de 100%. Além disso, foi obtida uma acurácia média de 93,63% entre todos os modelos de classificação testados.

Uma Análise Híbrida para Identificação de Câncer de Mama usando Sinais Térmicos