Detecção e classificação de câncer de pulmão em imagens de tomografia computadorizada usando processamento de imagem

Abstract

Câncer é uma das doenças mais graves e disseminadas, responsável por muitas mortes todos os anos. Entre todos os diferentes tipos de câncer, o câncer de pulmão é o mais prevalente, com a maior taxa de mortalidade. A Tomografia Computadorizada (TC) é usada para identificação do câncer de pulmão, pois fornece uma imagem detalhada do tumor no corpo e acompanha seu crescimento. Embora a TC seja preferida a outras modalidades de imagem, a interpretação visual dessas imagens de TC pode ser uma tarefa propensa a erros e pode causar atraso na detecção do câncer de pulmão. Portanto, as técnicas de processamento de imagem são amplamente utilizadas na área médica para a detecção precoce de tumores pulmonares. O algoritmo para detecção de câncer de pulmão é proposto usando métodos como filtragem mediana para pré-processamento da imagem seguido de segmentação da região pulmonar de interesse utilizando operações morfológicas matemáticas. As características geométricas são calculadas a partir da região de interesse extraída e usadas para classificar as imagens de tomografia computadorizada em normais ou anormais através do aprendizado de máquina. O objetivo do trabalho é realizar o processamento de imagem em imagens de tomografia computadorizada e com os resultados obtidos realizar uma classificação se é um nódulo normal, sem câncer, e nódulo anormal, com câncer. O método aplicado foi realizar suavização, transformação de negativo e binarização para o pré-processamento, e operação de abertura morfológica, separação de região e extração de características via função do Octave. Para classificar, extraímos métricas de área, volume e excentricidade dos nódulos. Os resultados experimentais mostraram que os algoritmos Árvores de Decisão (Random Forest) e Redes Neurais (Multilayer Perceptron) apresentaram resultados promissores alcançando os melhores resultados em comparação com os algoritmos K-NN, Naive Bayes e SVM.