Detecção e classificação de nódulos de câncer de pulmão para diagnóstico assistido por computador

• Ano de defesa: 2016
• Autor(a) principal: ALMEIDA, Raphael Lima Nobre de
• Orientador(a): VASCONCELOS, Germano Crispim
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco
• Programa de Pós-Graduação: Programa de Pos Graduacao em Ciencia da Computacao
• País: Brasil
• Palavras-chave em Português: CAD; Tomografia Computadorizada; Detecção; Classificação de Imagens
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/21011

O câncer de pulmão tem se mostrado o mais agressivo e mortal dentre os tipos de câncer existentes. Uma das principais formas de combatê-lo eficientemente é através do diagnóstico precoce, porém, devido ao alto número de exames de tomografia analisados, vários casos tendem a passar despercebidos. Uma das maneiras de amenizar o problema é o uso de CAD para servir como segunda opinião no momento do diagnóstico. Esse trabalho apresenta um novo sistema CAD, tendo como resultado a indicação de nódulos presentes em exames de tomografia computadorizada do tórax de pacientes. O sistema proposto se baseia em propriedades matemáticas extraídas das regiões candidatas para determinar se elas são nódulos ou não, e a classificação é realizada usando um paralelo entre classificadores baseados em aprendizagem supervisionada e não-supervisionada. Foram estudados vários métodos CAD para definição de uma estrutura de processo automática, em todas as etapas, que primeiro realiza a segmentação da imagem do pulmão a partir de exames de tomografia computadorizada, depois extrai ROI contendo áreas com potencial presença de nódulos, e depois realiza a classificação das ROIs entre áreas com Nódulos e Não-nódulos. Uma base de dados pública de imagens de exames de pacientes LIDC, internacionalmente usada na concepção e testes de sistemas CAD, foi empregada. SOM e SVM foram investigados como classificadores. Como resultado, foram obtidos valores acima de 85% de acurácia, 88% de sensibilidade, 86% F-measure e 1,59 FP/Slice para o SVM e valores acima de 81% de acurácia e 86% de sensibilidade, 82% F-measure e 2,05 FP/Slice para o SOM, onde o FP/Slice significa a média de falsos positivos gerados por imagem. O sistema proposto apresentou resultados superiores em alguns aspectos quando comparados a metodos anteriores e ligeiramente inferior quando comparado com um sistema CAD de saída semelhante, mas que realiza a segmentação manual das regiões de interesse. A partir dos resultados, foi possível ratificar a viabilidade de sistemas CAD com um novo sistema para o diagnóstico de nódulos de câncer de pulmão.