Classificação de Tipos e Severidades de Enfisemas em Imagens de Tomografia Computadorizada de Alta Resolução dos Pulmões

Abstract

Para auxiliar o diagnóstico de tipos de enfisema pulmonar, a principal componente da Doença Pulmonar Obstrutiva Crônica (DPOC), que é a quarta causa de morte no mundo, tem sido aplicadas diversas técnicas de Processamento Digital de Imagens (PDI). Nesta dissertação, foram desenvolvidos métodos de classificação automática de quatro tipos de enfisema e seis níveis de severidade, combinando as técnicas de extração de atributos por análise de textura ou Local Binary Pattern (LBP) com os classificadores Optimum-Path Forest (OPF) ou Multilayer Perceptron (MLP). As imagens utilizadas foram de três bancos de imagens de pulmões e de um banco de regiões de interesse (ROI). A extração de características por Local Binary Pattern gerou dados melhor discriminantes para classificação do que a análise de textura. Por esse motivo, foi realizada a combinação entre os métodos para realizar os testes. O mé todo LBP-MLP obteve 100% de acerto na classificacão de tipos e niv́ eis de severidade de enfisemas, para todos os quatro bancos de imagens, inclusive um banco global de imagens, resultados superiores quando comparado ao LBP-OPF e, até mesmo, ao estado da arte. O LBP-MLP demonstra-se um método automático, eficaz, eficiente e robusto que pode reduzir a variabilidade e o tempo de diagnóstico de enfisemas, não só auxiliando radiologistas na interpretação das imagens médicas, como também promovendo, em regiões onde vivem dois terços da população mundial que tem acesso limitado a radiologistas, o mesmo nível de diagnóstico especializado aos médicos que não possuem alto grau de conhecimento anatômico dessa doença, cuja atenção imediata é requerida pela natureza perigosa e generalizada.