Combinando algoritmos de agrupamento e superpixels para a segmentação de lesões melanocíticas em imagens macroscópicas

• Autor(a) principal: Ferreira, Mauricio de Sousa
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIPAMPA
• Texto Completo: https://repositorio.unipampa.edu.br/jspui/handle/riu/7923
• topic: CNPQ::ENGENHARIAS; Engenharia elétrica; Algoritmos computacionais; Processamento de imagens; Pele – Câncer; Melanoma; Electric engineering; Computational algorithms; Imagem processing; Skin - Cancer; Melanoma

O melanoma é um câncer de pele que pode ser extremamente agressivo em seus estágios finais, podendo, em alguns casos, desenvolver metástase. Devido a essas complicações, o diagnóstico de lesões melanocíticas suspeitas deve ser realizado o quanto antes. Por isso, propostas para aperfeiçoar o uso de sistemas computacionais, neste contexto, vêm sendo amplamente investigadas. No presente trabalho, investigou-se duas variações, uma supervisionada e outra não supervisionada, de um método para a segmentação de imagens macroscópicas de lesões melanocíticas. Antes da segmentação propriamente dita, a imagem de entrada é pré-processada por um algoritmo que efetua uma regularização no brilho, a fim de mitigar os efeitos decorrentes da iluminação irregular. Em seguida, a imagem pré-processada é representada por meio de superpixels. Para cada um desses superpixels, são extraídas características dos canais R, G e B. Subsequentemente, um algoritmo de aglomeração é alimentado com os dados extraídos e, com base nisso, particiona os superpixels em dois grupos, os quais espera-se que correspondam, predominantemente, às regiões de lesão (foreground - objeto de interesse) e não lesão (background - fundo). Por fim, algumas etapas básicas de pós-processamento são efetuadas, visando refinar e padronizar os resultados de segmentação, de um modo que os pixels identificados como lesão sejam representados pela cor branca e os demais pela cor preta. Para a avaliação preliminar dos métodos propostos, os resultados produzidos por diversas variações do método foram empregados para comparar as variantes em termos da acurácia, sensibilidade, especificidade e erros XOR.