---

Os estudos relacionados à detec‡Æo e ao tratamento de cânceres por meio de imagens, incluindo o câncer de mama, vêm se aperfei‡oando ano após ano. Este trabalho aborda a análise discriminante de tumores mamários em imagens 2D ultrassonográficas. No processo de análise dessas imagens, métodos estatísticos univariado e multivariado sÆo investigados com o objetivo de extrair informa‡äes discriminantes para fins de classifica‡Æo. Em caráter complementar, este tipo de metodologia evidencia também as diferen‡as estatísticas mais significativas entre os tumores, indicando no espa‡o original das imagens os casos mais simples e difíceis de classifica‡Æo. Por fim, acredita-se que os resultados promissores alcan‡ados na análise das imagens como um todo podem ser de grande valia no treinamento e suporte para radiologistas. No caso de radiologistas iniciantes, esse tipo de análise possibilitaria a confirma‡Æo de determinada classifica‡Æo do ponto de vista estatístico, principalmente em casos mais simples. Já no caso de radiologistas experientes, os resultados dos classificadores poderiam servir de apoio na tomada de decisäes, principalmente nos casos mais complexos e duvidosos.

---

Albert da Costa Xavier possui gradua‡Æo em Ciência da Computa‡Æo pela UNIFENAS (2001) e mestrado em Engenharia Elétrica pela FEI (2011). Atualmente é professor de pós-gradu‡Æo em regime parcial na FIAP. Tem experiência na área de Ciência da Computa‡Æo com ênfase em Reconhecimento de Padräes em Estatística e Arquitetura de Sistemas.

---