Classificação de nódulos pulmonares em imagens tomográficas utilizando redes neurais artificiais em cascata

Lung cancer is the most common of malignant tumors, with 1.59 million new cases worldwide in 2012. Early detection is the main factor to determine the survival of patients affected by this disease. Furthermore, the correct classification is important to define the most appropriate therapeutic approach as well as suggest the prognosis and the clinical disease evolution. Among the exams used to detect lung cancer, computed tomography have been the most indicated. However, CT images are naturally complex and even experts medical are subject to fault detection or classification. In order to assist the detection of malignant tumors, computer-aided diagnosis systems have been developed to aid reduce the amount of false positives biopsies. In this work it was developed an automatic classification system of pulmonary nodules on CT images by using Artificial Neural Networks. Morphological, texture and intensity attributes were extracted from lung nodules cut tomographic images using elliptical regions of interest that they were subsequently segmented by Otsu method. These features were selected through statistical tests that compare populations (T test of Student and U test of Mann-Whitney); from which it originated a ranking. The features after selected, were inserted in Artificial Neural Networks (backpropagation) to compose two types of classification; one to classify nodules in malignant and benign (network 1); and another to classify two types of malignancies (network 2); featuring a cascade classifier. The best networks were associated and its performance was measured by the area under the ROC curve, where the network 1 and network 2 achieved performance equal to 0.901 and 0.892 respectively.

Dissertação (Mestrado)

O câncer de pulmão é o mais comum de todos os tumores malignos, com 1,59 milhões de novos casos em todo o mundo no ano de 2012. A detecção precoce é o principal fator que determina a sobrevivência de pacientes acometidos por essa doença. Ainda, o estadiamento é importante para definir o método terapêutico mais adequado, bem como sugerir o prognóstico e a evolução clínica da doença. Dentre os exames utilizados para detecção de câncer pulmonar, a tomografia computadorizada têm sido o exame mais indicado. Porém, imagens de tomografia computadorizada são naturalmente complexas e médicos mesmo que experientes são sujeitos a falhas de detecção ou de classificação. No sentido de ajudar o processo de detecção de neoplasias, sistemas de auxílio ao diagnostico vem sendo desenvolvidos, o que pode ajudar a diminuir a quantidade de falsos positivos em biópsias. Neste trabalho foi desenvolvido um sistema de classificação automática de nódulos pulmonares em imagens de tomografia computadorizada utilizando Redes Neurais Artificias. Para isso, foram extraídos atributos morfológicos, de textura e de intensidade, de nódulos pulmonares que foram recortados de imagens tomográficas utilizando regiões de interesse elípticas e, posteriormente, segmentados pelo método de Otsu. Esses atributos foram selecionados por meio de testes estatísticos de comparação populacional (teste T de Student e teste U de Mann-Whitney) de onde originou um ranking. Os atributos, após a seleção, foram inseridos em redes neurais artificiais do tipo Backpropagation para compor dois tipos de classificação; uma para classificar se os nódulos são malignos ou benignos (rede 1); e outra para classificar dois tipos de lesões malignas (rede 2), formando, assim, um classificador em cascata. As melhores redes foram associadas e sua eficácia foi medida por meio da área sob a curva ROC, onde a rede 1 e a rede 2 obtiveram desempenho igual a 0,901 e 0,892 respectivamente.