desenvolvimento do algoritmo para processamento de imagens digitais para diagnóstico de melanoma
DESCRIPTION
Trabalho apresentado para obtenção do título de engenheiro em computação, sobre o título: Desenvolvimento do algoritmo para processamento de imagens digitais para diagnóstico de melanoma.TRANSCRIPT
DESENVOLVIMENTO DO ALGORITMO PARA PROCESSAMENTO DE IMAGENS DIGITAIS PARA
DIAGNÓSTICO DE MELANOMA
Orientador: Prof. Dr. Marco Antônio Rodrigues Fernandes
Acadêmicos:
Daniel Soares Lopes
Flávio Henrique da Silva
Matheus Ferreira Bonfim
OBJETIVO
- Avaliar as técnicas de processamentos de imagens aplicadas a dermatologia. - Incentivar a realização de pesquisas voltados a diagnósticos clínicos. -Implementar um algoritmo utilizando como base os parâmetros da Regra do ABCD.
PATOLOGIA CANCERÍGENA
Câncer do grego karkínos, quer dizer caranguejo.
Nome dado a um conjunto de mais de 100 doenças que têm em comum o crescimento desordenado de células
PATOLOGIA CANCERÍGENA
O processo de formação do câncer é denominado carcinogênese que é constituído em 3 estágios: 1º) Estágio inicial; 2º)Estágio de promoção; 3ºEstágio de progressão.
CÂNCER DE PELE
- No Brasil representa 25% de todos os diagnósticos cancerígenos - Índices de curas superiores a 95%, desde que diagnosticados nos estágios iniciais e tratados corretamente.
CÂNCER DE PELE
-Pode ser classificados em dois tipos de tumores: -Carcinoma basocelular - Carcinoma espinocelular - Melanoma
Não melanoma
CÂNCER DE PELE
Carcinoma Basocelular
- Transludecência pérola e finos vasos sanguíneos.
- Crescimento lento.
- Cerca de 70% de todos casos.
- Ocorre geralmente na cabeça ou pescoço.
Carcinoma Espinocelular
- Apresenta área vermelha, com crostas e escamação .
- Crescimento rápido.
- Cerca de 20% de todos casos.
- Pode surgir em áreas previamente comprometidas por algum outro processo como cicatrizes de queimaduras antigas,
CÂNCER DE PEL
Melanoma -Maior percentual de mortalidades. - Considera o tipo mais grave devido seu alto potencial na produção de metástases. - Originar-se em pele sã ou de lesões pigmentadas pré-existentes . -Represente 4% - 5% dos tipos de câncer de pele .
Regra do ABCD
• Desenvolvida em 1994
• Físico Wilhelm Stolz
• Utiliza características físicas da lesão para a quantificação
• Verifica a não linearidade das lesões
• Reprodutivo computacionalmente
INSPIRAÇÃO - PARÂMETROS
ABCD
A 0 – 2 B 0 – 7 C 1 – 6 D Diâmetro obtido
TDS = [ ( A x 1.3) + (B x 0.1) + (C x 0.5) + (D x 0.5) ] <4.8 Lesão Benigna 4.8 – 5.45 Lesão suspeita >5.45 Alta probabilidade de ser um MM
IMAGEM DIGITAL
- Função bidimensional f(x, y) - f(x, y) representa a menor parte de uma imagem, denominada “Pixel” - Origem localizada em f(0, 0)
PRÉ-PROCESSAMENTO
-Multiplicação de todos os valores internos dos pixel luminância.
F(x,y) = [R(x,y)*0,2989] + [G(x,y)*0,5870] + [B(x,y)*0,1140]
EXTRAÇÃO DE CARACTERISTICAS
- Definição da borda através na análise dos vizinhos de cada pixel. - Medição da distância euclidiana entre todos os pixel de fronteira. -Reconhecimento da maior distância entre os pixel da fronteira.
EXTRAÇÃO DE CARACTERISTICA
-3° Característica – Média de tonalidades na imagem (RGB).
- 4° Característica – Percentual da tonalidade RGB predominante da imagem.
EXTRAÇÃO DE CARACTERISTICA
-5° Característica – Suavidade (Entropia)
-6° Característica – Uniformidade (Energia)
EXTRAÇÃO DE CARACTERISTICA
-5° Característica – Contraste da imagem (Variância)
-6° Característica – Distribuição dos pixel’s (Homogeneidade)
CLASSIFICAÇÃO
1° Método - K-Nearest Neighbor (KNN) -Proposta por Cover e Hart em 1966, na inteligência
-Constantemente aumenta sua precisão ao decorrer de novas analises
-Classificar objetos com base em uma base de dados já montada
CLASSIFICAÇÃO
2° Método - Árvore de decisão - Tem como entrada uma situação descrita por um
conjunto de atributo, retornando uma decisão. - Muito representada como um conjunto de SE-ENTÃO
(if-then).
CLASSIFICAÇÃO
3° Método - SVM - Analisa os dados e reconhecer padrões, utilizados
para classificação e análise de regressão. - O SVM básico leva um conjunto de dados de entrada e
prevê, para cada dado de entrada, e duas classes de possíveis formas de saída.
- Dado um conjunto de exemplos de treino, cada uma marcada como pertencendo a uma de duas categorias
CLASSIFICAÇÃO
4° Método - Bayes - Extensão da lógica proposicional que permite raciocinar
com proposições cuja verdade ou falsidade é incerto.
- Para avaliar a probabilidade de uma hipótese , a probabilística Bayesiana especifica alguma probabilidade anterior, o que é, então, atualizada à luz de novos e relevantes dados .
CLASSIFICAÇÃO
5° Método - Majority - Retornará as frequências relativas das classes no
conjunto de treinamento.