Análise e classificação de imagens de lesões da pele por atributos de cor, forma e textura utilizando máquina de vetor de suporte

AUTOR(ES)
DATA DE PUBLICAÇÃO

2008

RESUMO

O câncer de pele é o mais comum de todos os cânceres e o aumento da sua incidência deve-se, em parte, ao comportamento das pessoas em relação à exposição ao sol. No Brasil, o câncer de pele não melanoma é o mais incidente na maioria das regiões. A dermatoscopia e ideodermatoscopia são os principais tipos de exames para o diagnóstico de doenças da pele dermatológicas. O campo que envolve o uso de ferramentas computacionais para o auxílio ou acompanhamento do diagnóstico médico em lesões dermatológicas ainda é visto como muito recente. Vários métodos foram propostos para classificação automática de patologias da pele utilizando imagens. O presente trabalho tem como objetivo apresentar uma nova metodologia inteligente para análise e classificação de imagens de câncer de pele, baseada nas técnicas de processamento digital de imagens para extração de características de cor, forma e textura, utilizando a Transformada Wavelet Packet (TWP) e a técnicas de aprendizado de máquina denominada Máquina de Vetor de Suporte (SVM Support Vector Machine). A Transformada Wavelet Packet é aplicada para extração de características de textura nas imagens. Esta consiste de um conjunto de funções base que representa a imagem em diferentes bandas de freqüência, cada uma com resoluções distintas correspondente a cada escala. Além disso, são calculadas também as características de cor da lesão que são dependentes de um contexto visual, influenciada pelas cores existentes em sua volta, e os atributos de forma através dos descritores de Fourier. Para a tarefa de classificação é utilizado a Máquina de Vetor de Suporte, que baseia-se nos princípios da minimização do risco estrutural, proveniente da teoria do aprendizado estatístico. A SVM tem como objetivo construir hiperplanos ótimos que apresentem a maior margem de separação entre classes. O hiperplano gerado é determinado por um subconjunto dos pontos das classes, chamado vetores de suporte. Para o banco de dados utilizado neste trabalho, os resultados apresentaram um bom desempenho obtendo um acerto global de 92,73% para melanoma, e 86% para lesões não-melanoma e benigna. O potencial dos descritores extraídos aliados ao classificador SVM tornou o método capaz de reconhecer e classificar as lesões analisadas

ASSUNTO(S)

máquina de vetor de suporte svm wavelet packet transform skin cancer extração de características segmentation processamento digital de imagens câncer de pele dermatologia digital image processing support vector machine svm imagens médicas transformada wavelet engenharia eletrica dermatology packet feature extraction segmentação medical image

ACESSO AO ARTIGO

Documentos Relacionados