Nova visão na deteção automática de tumores de bexiga

envie a um amigo share this

Nova visão na deteção automática de tumores de bexiga

Terça, 30.01.2018

O cancro da bexiga é uma das principais causas de morte, especialmente entre os homens. Atualmente, o seu diagnóstico é bastante dependente de exames imagiológicos bem como da experiência do interpretador. Desta forma, Nuno Freitas, um aluno de mestrado em Engenharia Biomédica da Universidade do Minho, orientado pelos Professores Carlos S. Lima, da Escola de Engenharia e Estevão Lima, Diretor de Serviço de Urologia no Hospital de Braga, procurou iniciar o desenvolvimento de um sistema que faça o diagnóstico automático a partir de imagens obtidas durante o exame de cistoscopia de luz branca.

Nesta abordagem cada frame foi processada através de um método dividido em três distintas mas complementares fases, nomeadamente o bloco de pré-processamento, segmentação de cada frame em duas regiões e a extração de descritores estatísticos de cada uma dessas regiões. Uma das principais observações consistiu na obtenção de métricas superiores com a introdução do bloco de pré-processamento seguido da segmentação. Ainda que num estado inicial, os resultados obtidos são um bom ponto de partida, já que permitiram detetar 91% de frames tumorais numa base de dados de 353 imagens, para a elaboração de um sistema de diagnóstico automático com vista a melhorar as taxas de deteção.

 

Autores e Afiliações:

Nuno R. Freitas1, Pedro M. Vieira1, Estevão Lima2,3, and Carlos S. Lima1

1 CMEMS-UMinho Research Unit, University of Minho, Guimarães 4800-058, Portugal

2 Life and Health Sciences Research Institute, University of Minho, Campus Gualtar, Braga 4710-057, Portugal

3 Department of Urology, Hospital of Braga, Braga 4710-243, Portugal

 

Abstract:

Correct cystoscopy images classification depends on interpreter's experience. Bladder cancer is a common lesion that can only be confirmed by biopsying the tissue, wherefore the automatic identification of tumors has a significant role in the early stage diagnosis and its accuracy. To our best knowledge the use of white light cystoscopy images to bladder tumor diagnosis wasn't reported so far. In this paper a texture analysis-based approach is proposed for bladder tumor diagnosis presuming that tumors change tissue texture. As it is well accepted by the current scientific community texture information is more present in the medium to high frequency range which can be selected by using the Discrete Wavelet Transform (DWT). Tumor enhancement can be improved by using automatic segmentation, since a mixing with normal tissue is avoided in ideal conditions. The segmentation module proposed in this paper takes advantage of the wavelet decomposition tree to discard poor texture information in such a way that both steps of the proposed algorithm segmentation and classification share the same focus on texture. A Multilayer Perceptron (MLP) and Support Vector Machine (SVM), with a stratified 10-fold cross-validation procedure was used for classification purposes by using the hue-saturation-value (HSV), red-green-blue (RGB), and CIELab color spaces. Performances of 91% in sensitivity and 92.9% in specificity were obtained regarding HSV color by using both pre-processing and classification steps based on DWT. The proposed method can achieve good performances on identifying bladder tumor frames. These promising results open the path towards a deeper study regarding the applicability of this algorithm in computer aided diagnosis.

 

Revista: Physics in Medicine & Biology

 

Link: http://iopscience.iop.org/article/10.1088/1361-6560/aaa3af