DESENVOLVIMENTO DO ALGORITMO PARA
PROCESSAMENTO DE IMAGENS DIGITAIS PARA
DIAGNÓSTICO DE MELANOMA
Orientador: Prof. Dr. Mar...
OBJETIVO
- Avaliar as técnicas de processamentos de
imagens aplicadas a dermatologia.
- Incentivar a realização de pesquis...
PATOLOGIA CANCERÍGENA
Câncer do grego karkínos, quer dizer
caranguejo.
Nome dado a um conjunto de mais de
100 doenças que ...
PATOLOGIA CANCERÍGENA
O processo de formação do câncer é
denominado
carcinogênese
que
é
constituído em 3 estágios:
1º) Est...
PATOLOGIA CANCERÍGENA
CÂNCER DE PELE
- No Brasil representa 25% de todos os
diagnósticos cancerígenos
- Índices de curas superiores a 95%, desde...
CÂNCER DE PELE
CÂNCER DE PELE
-Pode ser classificados em dois tipos de
tumores:
-Carcinoma basocelular
- Carcinoma espinocelular
- Melano...
CÂNCER DE PELE
Carcinoma Basocelular

Carcinoma Espinocelular

- Transludecência pérola
e
finos vasos sanguíneos.
- Cresci...
CÂNCER
Carcinoma basocelular

Carcinoma espinocelular
CÂNCER DE PEL
Melanoma
-Maior percentual de mortalidades.
- Considera o tipo mais grave devido seu
alto potencial na produ...
INSPIRAÇÃO - PARÂMETROS

Regra do ABCD
• Desenvolvida em 1994
• Físico Wilhelm Stolz
• Utiliza características físicas da ...
ABCD
ABCD
A
B
C
D

0–2
0–7
1–6
Diâmetro obtido

TDS = [ ( A x 1.3) + (B x 0.1) + (C x 0.5) + (D x 0.5) ]
<4.8 Lesão Benigna...
IMAGEM DIGITAL
- Função bidimensional f(x, y)
- f(x, y) representa a menor parte de uma imagem,
denominada “Pixel”
- Orige...
PROCESSAMENTO
PADRÃO DE PDI
PRÉ-PROCESSAMENTO
PRÉ-PROCESSAMENTO
- Aplicação do filtro Gaussiano
PRÉ-PROCESSAMENTO
-Multiplicação de todos os valores internos dos pixel
luminância.

F(x,y) = [R(x,y)*0,2989] + [G(x,y)*0,...
PRÉ-PROCESSAMENTO
PRÉ-PROCESSAMENTO
- Binarização da imagem
PRÉ-PROCESSAMENTO
- Multiplicação da imagem original pela binária, para
obtenção do corte ROI
EXTRAÇÃO DE CARACTERISTICAS
- Definição da borda através na análise dos vizinhos de cada
pixel.
- Medição da distância euc...
EXTRAÇÃO DE CARACTERISTICA
-1° Característica
Perímetro
Área
EXTRAÇÃO DE CARACTERISTICA
-2° Característica – Percentual de circularidade
EXTRAÇÃO DE CARACTERISTICA

-3° Característica – Média de tonalidades na imagem (RGB).

- 4° Característica – Percentual d...
EXTRAÇÃO DE CARACTERISTICA
-5° Característica – Suavidade (Entropia)

-6° Característica – Uniformidade (Energia)
EXTRAÇÃO DE CARACTERISTICA
-5° Característica – Contraste da imagem (Variância)

-6° Característica – Distribuição dos pix...
CLASSIFICAÇÃO

-

Árvore de decisão.
k-NN
SVM
Bayes
Majority
CLASSIFICAÇÃO
1° Método - K-Nearest Neighbor (KNN)
-Proposta por Cover e Hart em 1966, na inteligência
-Constantemente aum...
CLASSIFICAÇÃO
Exemplo de KNN aplicado a um mundo
bidimensional
CLASSIFICAÇÃO
2° Método - Árvore de decisão
- Tem como entrada uma situação descrita por um
conjunto de atributo, retornan...
CLASSIFICAÇÃO
3° Método - SVM
- Analisa os dados e reconhecer padrões, utilizados
para classificação e análise de regressã...
CLASSIFICAÇÃO
4° Método - Bayes
- Extensão da lógica proposicional que permite raciocinar
com proposições cuja verdade ou ...
CLASSIFICAÇÃO
5° Método - Majority
- Retornará as frequências relativas das classes no
conjunto de treinamento.
APRESENTAÇÃO DO ALGORITMO PARA
PROCESSAMENTO DE IMAGENS DIGITAIS
CONSIDERAÇÕES FINAIS
• Computação pode auxiliar a medicina no
diagnóstico de determinadas neoplasias;
• Através dos parâme...
Próximos SlideShares
Carregando em…5
×

Desenvolvimento do algoritmo para processamento de imagens digitais para diagnóstico de melanoma

1.484 visualizações

Publicada em

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.

algorithm development for processing of digital images for diagnosis of melanoma

https://www.academia.edu/7228380/Desenvolvimento_do_algoritmo_para_processamento_de_imagens_digitais_para_diagn%C3%B3stico_de_melanoma

Publicada em: Saúde e medicina
0 comentários
1 gostou
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
1.484
No SlideShare
0
A partir de incorporações
0
Número de incorporações
417
Ações
Compartilhamentos
0
Downloads
5
Comentários
0
Gostaram
1
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Desenvolvimento do algoritmo para processamento de imagens digitais para diagnóstico de melanoma

  1. 1. 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
  2. 2. 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.
  3. 3. 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
  4. 4. 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.
  5. 5. PATOLOGIA CANCERÍGENA
  6. 6. 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.
  7. 7. CÂNCER DE PELE
  8. 8. CÂNCER DE PELE -Pode ser classificados em dois tipos de tumores: -Carcinoma basocelular - Carcinoma espinocelular - Melanoma Não melanoma
  9. 9. CÂNCER DE PELE Carcinoma Basocelular Carcinoma Espinocelular - Transludecência pérola e finos vasos sanguíneos. - Crescimento lento. - Cerca de 70% de todos casos. - Ocorre geralmente na cabeça ou pescoço. - 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,
  10. 10. CÂNCER Carcinoma basocelular Carcinoma espinocelular
  11. 11. 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 .
  12. 12. INSPIRAÇÃO - PARÂMETROS 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
  13. 13. ABCD
  14. 14. ABCD A B C D 0–2 0–7 1–6 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
  15. 15. 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)
  16. 16. PROCESSAMENTO
  17. 17. PADRÃO DE PDI
  18. 18. PRÉ-PROCESSAMENTO
  19. 19. PRÉ-PROCESSAMENTO - Aplicação do filtro Gaussiano
  20. 20. 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]
  21. 21. PRÉ-PROCESSAMENTO
  22. 22. PRÉ-PROCESSAMENTO - Binarização da imagem
  23. 23. PRÉ-PROCESSAMENTO - Multiplicação da imagem original pela binária, para obtenção do corte ROI
  24. 24. 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.
  25. 25. EXTRAÇÃO DE CARACTERISTICA -1° Característica Perímetro Área
  26. 26. EXTRAÇÃO DE CARACTERISTICA -2° Característica – Percentual de circularidade
  27. 27. EXTRAÇÃO DE CARACTERISTICA -3° Característica – Média de tonalidades na imagem (RGB). - 4° Característica – Percentual da tonalidade RGB predominante da imagem.
  28. 28. EXTRAÇÃO DE CARACTERISTICA -5° Característica – Suavidade (Entropia) -6° Característica – Uniformidade (Energia)
  29. 29. EXTRAÇÃO DE CARACTERISTICA -5° Característica – Contraste da imagem (Variância) -6° Característica – Distribuição dos pixel’s (Homogeneidade)
  30. 30. CLASSIFICAÇÃO - Árvore de decisão. k-NN SVM Bayes Majority
  31. 31. 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
  32. 32. CLASSIFICAÇÃO Exemplo de KNN aplicado a um mundo bidimensional
  33. 33. 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).
  34. 34. 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
  35. 35. 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 .
  36. 36. CLASSIFICAÇÃO 5° Método - Majority - Retornará as frequências relativas das classes no conjunto de treinamento.
  37. 37. APRESENTAÇÃO DO ALGORITMO PARA PROCESSAMENTO DE IMAGENS DIGITAIS
  38. 38. CONSIDERAÇÕES FINAIS • Computação pode auxiliar a medicina no diagnóstico de determinadas neoplasias; • Através dos parâmetros da Regra do ABCD pode se determinar outros parâmetros; • O algoritmo atendeu o que foi proposto; • O trabalho serve como base para trabalhos futuros.

×