Software para detecção de Melanoma

Software para detecção de Melanoma - Semana Acadêmica FURB 2013 - Ciência da Computação

Transcript

1. Software para detecção de melanoma para iOS Aluno: Thiago Pradi Orientador: Aurélio Faustino Hoppe Thursday, April 11, 13
2. Thiago Pradi • Desenvolvedor Líder na MetaFiscal • Trabalha com Web/Ruby a 5 Anos • Contribuidor da comunidade Ruby • Graduado em Ciência da Computação pela FURB Thursday, April 11, 13
3. Motivação • Câncer - problema de saúde pública mundial • Cânceres de pele tiveram um crescimento no número de casos de 113% entre 2001 e 2006 • Blumenau possui a terceira maior incidência mundial de câncer de pele Thursday, April 11, 13
4. Melanoma • Tipo mais perigoso de câncer de pele • Responsável 75% das mortes por câncer de pele • Alto risco de metastização • Quando diagnosticado precoce, as chances de cura são altas Thursday, April 11, 13
5. Diagnóstico • O diagnóstico inicial do melanoma é efetuado pelo dermatologista, através de uma análise visual da lesão • Utilização de diversas regras dermatológicas • Sistemas para auxílio do diagnóstico são eficazes e diminuem o número de biopsias Thursday, April 11, 13
6. Diagnóstico Thursday, April 11, 13
7. Regra ABCD • Criada por Nachbar et al. (1994) para simplificar os diagnósticos de melanoma • Utiliza 4 critérios principais para diagnóstico da lesão: assimetria, bordas irregulares, cores e estruturas diferenciais • Algumas pesquisas utilizam diâmetro ao invés de estruturas diferenciais Thursday, April 11, 13
8. DPV • DPV é a sigla para Dermatologic Point Value • Criado por Nachbar et al. (1994), atribuindo um score baseado na regra ABCD a cada lesão • Cada critério tem seus pontos e valoração, sendo que sua somatória é cosiderada como o DPV da lesão Thursday, April 11, 13
9. Assimetria Pontos possíveis Peso 0-2 1,3 Assimetria é verificada nos dois eixos da lesão. Para cada um dos eixos em que a assimetria é encontrada, um ponto é adicionado. Thursday, April 11, 13
10. Bordas Irregulares Pontos possíveis Peso 0-8 0,1 A lesão é dividida em 8 eixos diferentes, sendo que para cada um dos eixos em que a borda é irregular, um ponto é adicionado. Thursday, April 11, 13
11. Cor Pontos possíveis Peso 0-6 0,5 6 cores diferentes são buscadas na lesão: branco, preto, vermelho, castanho claro, castonho escuro e azul-cinza Thursday, April 11, 13
12. Estruturas Diferenciais Pontos possíveis Peso 0-5 0,5 5 elementos são buscados na lesão: rede pigmentada, áreas homogêneas, estrias, pontos e glóbulos. Para cada elemento encontrado, um ponto é adicionado. Thursday, April 11, 13
13. Score DPV • Valores entre 0 e 8,9 • Lesões com valores entre 0 e 4,75 são consideradas benignas • Lesões com valores entre 4,75 e 5,45 são consideradas suspeitas, e devem ser observadas com atenção • Lesões com valores superiores a 5,45 são considerados melanomas. Thursday, April 11, 13
14. Trabalhos Relacionados • Biblioteca para detecção de melanoma em dispositivos móveis de Wadhawan et al. (2011) • Protótipo para detecção de melanoma baseado na regra ABCD por Rosado (2009) • Método automatizado para identificação de melanoma por Soares (2008) Thursday, April 11, 13
15. Caracteristicas/ trabalhos relacionados Wadhawan et al. (2011) Rosado (2009) Soares (2008) Dispositivos móveis X - - Regra dermatológica - Regra ABCD Regra ABCD Classificação SVM SVM, K- vizinhos mais próximos e limiarização SVM Processamento Dispositivo móvel / servidor Servidor Servidor Thursday, April 11, 13
16. Objetivos • Desenvolver um software para dispositivos móveis capaz de analisar e classificar lesões cutâneas baseado na regra ABCD • Todo o processamento será efetuado no próprio dispositivo, sem necessidade de conexão externa Thursday, April 11, 13
17. Requisitos Funcionais • Permitir que o usuário possa tirar uma foto da lesão a partir da câmera do iPhone • Permitir a visualização da imagem do usuário • Classificar a lesão entre melanoma e não- melanoma a partir dos critérios estabelecidos pela regra ABCD Thursday, April 11, 13
18. Requisitos não funcionais • Ser desenvolvido para a plataforma iOS • Desenvolver a interface com o usuário utilizando o framework Cocoa Touch Thursday, April 11, 13
19. Ferramentas • Linguagens de Programação - C++ / Objective C • Editores: Vim / Xcode • Biblioteca: OpenCV Thursday, April 11, 13
20. Desenvolvimento Imagem original: Thursday, April 11, 13
21. Pré-processamento Camada Azul Lesão Suavizada Thursday, April 11, 13
22. Segmentação Lesão suavizada Lesão segmentada Thursday, April 11, 13
23. Bordas Lesão segmentada Bordas Thursday, April 11, 13
24. Assimetria Assimetria em dois eixos Pontos obtidos: 2 Valor Caracteristica: 2,6 Thursday, April 11, 13
25. Bordas irregulares 4 bordas irregulares Pontos obtidos: 4 Valor Caracteristica: 0,4 Thursday, April 11, 13
26. Cor 4 cores encontradas Pontos obtidos: 4 Valor Caracteristica: 2,0 Thursday, April 11, 13
27. Estruturas diferenciais 12,5% de estruturas diferenciais Pontos obtidos: 5 Valor Caracteristica: 2,5 Thursday, April 11, 13
28. DPV da Lesão • Assimetria: 2,6 • Bordas Irregulares: 0,4 • Cor: 2,0 • Estrutura Diferenciais: 2,5 • Total: 7,5 • Diagnóstico: Melanoma Thursday, April 11, 13
29. Experimentos • Criação da base de teste • Experimento 1: validação da segmentação • Experimento 2: critérios da regra ABCD • Experimento 3: validação da classificação das lesões Thursday, April 11, 13
30. Base de teste • Imagens pré classificadas de diversos bancos de imagens dermatológicas • Composta de imagens clínicas e dermatoscópicas • 5 Lesões extraídas através da camêra do iPhone • 63 Lesões no total, sendo 23 benignas e 40 malignas Thursday, April 11, 13
31. Imagens Imagem clínica Imagem dermatoscópica Thursday, April 11, 13
32. Imagem iPhone Sem lente Lente Macro Thursday, April 11, 13
33. Experimento 1 • Objetivo: validar o algoritmo de segmentação implementado • Método: execução manual do algoritmo nas imagens das lesões • Dados utilizados: 4 Lesões, sendo duas segmentadas com sucesso e duas com erro Thursday, April 11, 13
34. Lesão 1 - Sucesso Thursday, April 11, 13
35. Lesão 2 - Sucesso Thursday, April 11, 13
36. Lesão 3 - Erro Thursday, April 11, 13
37. Lesão 4 - Erro Thursday, April 11, 13
38. Lesão 5 - Bônus Thursday, April 11, 13
39. Resultados - Experimento 1 • Bom funcionamento em lesões uniformes e com cores contrastantes as da pele • Pelos e ruidos atrapalham na segmentação Thursday, April 11, 13
40. Experimento 2 • Objetivo: verificar a eficácia dos métodos de extração de cada caracteristica da regra ABCD • Método: comparação dos resultados obtidos pelo algorimo ao resultado obtidos pelo especialista • Dados utilizados: 6 Lesões dermatoscópicas, devido a não influência de fatores externos. Thursday, April 11, 13
41. Lesão 1 - Benigna Classificação Especialista Classificação Algoritmo A 0 * 1.3 = 0 1 * 1.3 = 1.3 B 0.1 * 8 = 0.8 0.1 * 4 = 0.4 C 2 * 0.5 = 1 2 * 0.5 = 1 D 2 * 0.5 = 1 2 * 0.5 = 1 Total 2.8 3.7 Thursday, April 11, 13
42. Lesão 2 - Melanoma Classificação Especialista Classificação Algoritmo A 2 * 1.3 = 2.6 1 * 1.3 = 1.3 B 0.1 * 5 = 0.5 0.1 * 8 = 0.8 C 4* 0.5 = 2 4 * 0.5 = 2 D 4 * 0.5 = 2 2 * 0.5 = 1 Total 7.1 5.1 Thursday, April 11, 13
43. Lesão 3 - Maligna Classificação Especialista Classificação Algoritmo A 2 * 1.3 = 2.6 1 * 1.3 = 1.3 B 0.1 * 3 = 0.3 0.1 * 8 = 0.8 C 4 * 0.5 = 2 4 * 0.5 = 2 D 4 * 0.5 = 2 2 * 0.5 = 1 Total 6.9 5.1 Thursday, April 11, 13
44. Lesão 4 - Benigna Classificação Especialista Classificação Algoritmo A 1 * 1.3 = 1.3 2 * 1.3 = 2.6 B 0.1 * 4 = 0.4 0.1 * 3 = 0.3 C 3 * 0.5 = 1.5 4 * 0.5 = 2 D 2 * 0.5 = 1 3 * 0.5 = 1.5 Total 4.2 6.4 Thursday, April 11, 13
45. Lesão 5 - Maligna Classificação Especialista Classificação Algoritmo A 2 * 1.3 = 2.6 2 * 1.3 = 2.6 B 0.1 * 3 = 0.3 0.1 * 6 = 0.6 C 4 * 0.5 = 2 4 * 0.5 = 2 D 4 * 0.5 = 2 3 * 0.5 = 1.5 Total 6.9 6.7 Thursday, April 11, 13
46. Lesão 6 - Benigna Classificação Especialista Classificação Algoritmo A 0 * 1.3 = 0 1 * 1.3 = 1.3 B 0.1 * 0 = 0 0.1 * 2 = 0.2 C 2 * 0.5 = 1 2 * 0.5 = 1 D 2 * 0.5 = 1 3 * 0.5 = 1.5 Total 2 4 Thursday, April 11, 13
47. Resultados - Experimento 2 • Critérios necessitam de mais ajustes para obter resultados próximos ao especialista • Critério de cor obteve o melhor resultado, divergindo em 0.5 em uma lesão • Critério de bordas irregulares não obteve resultado igual ao especialista em nenhum dos casos Thursday, April 11, 13
48. Experimento 3 • Objetivo: Validação da classificação das lesões entre benignas e melanomas • Método: Todas as lesões pré-classificadas foram submetidas ao algoritmo • Dados utilizados: 63 lesões da base Thursday, April 11, 13
49. Classificação Tipo de lesão Pré- classificadas especialista Identificadas pelo algoritmo Lesões classificadas com erro Probabilidade de erro Benignas 23 20 3 15% Malignas 40 37 3 7,5% Thursday, April 11, 13
50. Especificidade e Sensibilidade • Sensibilidade é a capacidade de uma lesão maligna ser detectada como maligna • Especificidade é a capacidade de excluir corretamente aqueles que não possuem a lesão Thursday, April 11, 13
51. Especificidade e Sensibilidade Sensibilidade = verdadeiro-positivo / (verdadeiro-positivo + falso-negativo) * 100 Sensibilidade = 40 / (40 + 3) * 100 Sensibilidade = 93,02 Especificidade = verdadeiro-negativo / (verdadeiro-negativo + falso-positivo) * 100 Especificidade = 20 / (20 + 3) * 100 Especificidade = 86,95 Thursday, April 11, 13
52. Resultados - Experimento 3 • Acerto do algoritmo em torno de 90% • Alta sensibilidade, provando ser confiável para triagem inicial dos pacientes Thursday, April 11, 13
53. Conclusões • Classificação da lesão com alta sensibilidade, sendo eficiente para triagem de pacientes • Critérios da regra ABCD precisam de ajustes para obter resultados próximos ao do especialista • Fatores externos podem atrapalhar no processamento Thursday, April 11, 13
54. Melhorias • Melhorias na segmentação, evitando influência de fatores externos • Melhoria nos critérios individuais da regra ABCD, para resultados mais próximos ao do especialista • Realidade aumentada para extração das imagens • Paralelização da extração das caracteristicas Thursday, April 11, 13
55. Thursday, April 11, 13
56. Pós TCC... Thursday, April 11, 13
57. Repercursão • Jornal / Site da Sociedade Brasileira de Dermatologia • Capa do Jornal de Santa Catarina • Gravação ao vivo no Bom dia SC • Contatos para possíveis investimentos Thursday, April 11, 13
58. Repercusão II • Aurélio como modelo da Victoria Secret • Exame na pinta do Roque • Amigos querendo exame grátis • Mito da vizinhança Thursday, April 11, 13
59. Dicas • Escolha um tema para TCC que você se importe. • Comece cedo, e evite problemas futuros • Idéias são baratas, execução é tudo • Seja focado • Seja paciente e não desista Thursday, April 11, 13
60. Obrigado! • twitter.com/thiagopradi • github.com/tchandy • thiago.pradi@gmail.com • www.thiagopradi.net Thursday, April 11, 13