995 resultados para 10201028 TM-66


Relevância:

30.00% 30.00%

Publicador:

Resumo:

Digitoitu 5. 1. 2009

Relevância:

30.00% 30.00%

Publicador:

Resumo:

OBJETIVO: avaliar a acurácia da mamografia para o diagnóstico de microcalcificações mamárias suspeitas, com as classificações do Breast Imaging Reporting and Data System (BI-RADS TM) e Le Gal em comparação com o resultado histopatológico utilizado como padrão-ouro. MÉTODOS: foram selecionados dos arquivos dos blocos cirúrgicos, 130 casos operados com mamografias contendo somente microcalcificações mamárias, inicialmente classificadas como suspeitas sem lesões detectáveis ao exame clínico. Estas foram reclassificadas por dois examinadores, utilizando as classificações de Le Gal e BI-RADS TM, obtendo-se diagnóstico de consenso. As biópsias foram revistas por dois patologistas e foi obtido diagnóstico de consenso. A leitura das mamografias e a revisão das lâminas foram feitas em duplo-cego. As análises estatísticas utilizadas neste estudo foram o teste do chi2, o modelo Fleiss quadrático para VPP e o programa Epi-Info 6.0. RESULTADOS: a correlação entre a análise histopatológica e mamográfica, usando BI-RADS TM e Le Gal, mostrou a mesma sensibilidade de 96,4%, especificidade de 55,9 e 30,3%, valor preditivo positivo (VPP) de 37,5% e 27,5% e acurácia de 64,6 e 44,6%, respectivamente. Quando discriminamos por categorias de BI-RADS TM, obtivemos VPPs: categoria 2, 0%; categoria 3, 1,8%; categoria 4, 31,6% e categoria 5, 60%. Os VPPs pela classificação de Le Gal foram: categoria 2, 3,1%; categoria 3, 18,1 %; categoria 4, 26,4%; categoria 5, 66,7% e não classificável, 5,2%. CONCLUSÕES: observou-se uma maior precisão com a classificação de BI-RADS TM, porém não se conseguiu reduzir a ambigüidade na avaliação das microcalcificações mamárias.

Relevância:

20.00% 20.00%

Publicador:

Resumo:

The objective of this work was to compare the soybean crop mapping in the western of Parana State by MODIS/Terra and TM/Landsat 5 images. Firstly, it was generated a soybean crop mask using six TM images covering the crop season, which was used as a reference. The images were submitted to Parallelepiped and Maximum Likelihood digital classification algorithms, followed by visual inspection. Four MODIS images, covering the vegetative peak, were classified using the Parallelepiped method. The quality assessment of MODIS and TM classification was carried out through an Error Matrix, considering 100 sample points between soybean or not soybean, randomly allocated in each of the eight municipalities within the study area. The results showed that both the Overall Classification (OC) and the Kappa Index (KI) have produced values ranging from 0.55 to 0.80, considered good to very good performances, either in TM or MODIS images. When OC and KI, from both sensors were compared, it wasn't found no statistical difference between them. The soybean mapping, using MODIS, has produced 70% of reliance in terms of users. The main conclusion is that the mapping of soybean by MODIS is feasible, with the advantage to have better temporal resolution than Landsat, and to be available on the internet, free of charge.