Análise e classificação de imagens de lesões da pele por atributos de cor, forma e textura utilizando máquina de vetor de suporte

The skin cancer is the most common of all cancers and the increase of its incidence must, in part, caused by the behavior of the people in relation to the exposition to the sun. In Brazil, the non-melanoma skin cancer is the most incident in the majority of the regions. The dermatoscopy and videodermatoscopy are the main types of examinations for the diagnosis of dermatological illnesses of the skin. The field that involves the use of computational tools to help or follow medical diagnosis in dermatological injuries is seen as very recent. Some methods had been proposed for automatic classification of pathology of the skin using images. The present work has the objective to present a new intelligent methodology for analysis and classification of skin cancer images, based on the techniques of digital processing of images for extraction of color characteristics, forms and texture, using Wavelet Packet Transform (WPT) and learning techniques called Support Vector Machine (SVM). The Wavelet Packet Transform is applied for extraction of texture characteristics in the images. The WPT consists of a set of base functions that represents the image in different bands of frequency, each one with distinct resolutions corresponding to each scale. Moreover, the characteristics of color of the injury are also computed that are dependants of a visual context, influenced for the existing colors in its surround, and the attributes of form through the Fourier describers. The Support Vector Machine is used for the classification task, which is based on the minimization principles of the structural risk, coming from the statistical learning theory. The SVM has the objective to construct optimum hyperplanes that represent the separation between classes. The generated hyperplane is determined by a subset of the classes, called support vectors. For the used database in this work, the results had revealed a good performance getting a global rightness of 92,73% for melanoma, and 86% for non-melanoma and benign injuries. The extracted describers and the SVM classifier became a method capable to recognize and to classify the analyzed skin injuries

Conselho Nacional de Desenvolvimento Científico e Tecnológico

O câncer de pele é o mais comum de todos os cânceres e o aumento da sua incidência deve-se, em parte, ao comportamento das pessoas em relação à exposição ao sol. No Brasil, o câncer de pele não melanoma é o mais incidente na maioria das regiões. A dermatoscopia e ideodermatoscopia são os principais tipos de exames para o diagnóstico de doenças da pele dermatológicas. O campo que envolve o uso de ferramentas computacionais para o auxílio ou acompanhamento do diagnóstico médico em lesões dermatológicas ainda é visto como muito recente. Vários métodos foram propostos para classificação automática de patologias da pele utilizando imagens. O presente trabalho tem como objetivo apresentar uma nova metodologia inteligente para análise e classificação de imagens de câncer de pele, baseada nas técnicas de processamento digital de imagens para extração de características de cor, forma e textura, utilizando a Transformada Wavelet Packet (TWP) e a técnicas de aprendizado de máquina denominada Máquina de Vetor de Suporte (SVM Support Vector Machine). A Transformada Wavelet Packet é aplicada para extração de características de textura nas imagens. Esta consiste de um conjunto de funções base que representa a imagem em diferentes bandas de freqüência, cada uma com resoluções distintas correspondente a cada escala. Além disso, são calculadas também as características de cor da lesão que são dependentes de um contexto visual, influenciada pelas cores existentes em sua volta, e os atributos de forma através dos descritores de Fourier. Para a tarefa de classificação é utilizado a Máquina de Vetor de Suporte, que baseia-se nos princípios da minimização do risco estrutural, proveniente da teoria do aprendizado estatístico. A SVM tem como objetivo construir hiperplanos ótimos que apresentem a maior margem de separação entre classes. O hiperplano gerado é determinado por um subconjunto dos pontos das classes, chamado vetores de suporte. Para o banco de dados utilizado neste trabalho, os resultados apresentaram um bom desempenho obtendo um acerto global de 92,73% para melanoma, e 86% para lesões não-melanoma e benigna. O potencial dos descritores extraídos aliados ao classificador SVM tornou o método capaz de reconhecer e classificar as lesões analisadas