Taxonomic indexes for differentiating malignancy of lung nodules on CT images

Abstract Introduction Lung cancer remains the leading cause of cancer mortality worldwide, with one of the lowest survival rates after diagnosis. Therefore, early detection greatly increases the chances of improving patient survival. Methods This study proposes a method for diagnosis of lung nodules in benign and malignant tumors based on image processing and pattern recognition techniques. Taxonomic indexes and phylogenetic trees were used as texture descriptors, and a Support Vector Machine was used for classification. Results The proposed method shows promising results for accurate diagnosis of benign and malignant lung tumors, achieving an accuracy of 88.44%, sensitivity of 84.22%, specificity of 90.06% and area under the ROC curve of 0.8714. Conclusion The results demonstrate the promising performance of texture extraction techniques by means of taxonomic indexes combined with phylogenetic trees. The proposed method achieves results comparable to those previously published.

Segmentação de massas em imagens mamográficas utilizando índices de similaridade / Mass segmentation in mammographic images using similarity indixes

Uma forma de segmentação de massas em imagens mamográficas é pela análise bilateral dos pares de mamografias. Sabe-se que mamografias da mama esquerda e direita apresentam alto grau de simetria e quando há uma diferença brusca entre os pares, pode-se considerar algo suspeito. OBJETIVO: Uma metodologia para segmentação de massas baseado em análise bilateral de mamografias usando técnicas de similaridade de espécies para encontrar regiões assimétricas. Materiais e MÉTODOS: Fluxo de cinco etapas: Materiais, Pré-processamento de imagens, Registro de imagens,Segmentação de regiões assimétricas e Filtragem de regiões. RESULTADOS: Os resultados preliminares mostram que essa metodologia é promissora na detecção de regiões assimétricas apresentando 95% de acerto na etapa de segmentação e 90,8% após a filtragem de regiões. CONCLUSÃO: Os índices de similaridade mostram-se promissores na tarefa de encontrar regiões suspeitas em pares de mamografias, além de formalização de técnicas para filtragem de regiões que não são massas.

One way of segmenting masses in mammographic images is the bilateral analysis of mammograms pairs. It isknown that mammograms of the left and right breast, has a high degree of symmetry and when there is an abrupt difference between the pairs may be considered something suspicious. OBJECTIVE: A methodology to segmentation mass based on bilateralanalysis of mammograms using species similarity techniques to find asymmetric regions. Materials and METHODS: A five-step flow: Materials, Pre-processing, Image Registration, Segmentation of asymmetric regions and Filtering regions. RESULTS: Preliminary results show that this method is promising in detecting asymmetrical regions showing 95%accuracy in segmentation step and 90.8% after filtering regions. CONCLUSION: The similarity indices show promise in the task of finding suspicious areas in mammograms pairs, there is also formalization of techniques to filtering regions.

Strabismus mobile: um aplicativo para diagnóstico de estrabismo / Strabismus mobile: an application for strabismus diagnosis

O processamento de imagens médicas vem contribuindo na redução de incertezas no diagnóstico de anomalias no corpo humano. No entanto, não é uma realidade a utilização de ferramentas computacionais de baixo custo no diagnóstico de estrabismo, uma patologia que afeta aproximadamente 4% da população provocando problemas estéticos e visuais. OBJETIVO: apresentar um aplicativo para diagnóstico automático do estrabismo através do Teste de Hirschberg. MÉTODOS: executado em 8 etapas: Aquisição de Imagens (1), Segmentação da Face (2), Detecção da Região dos Olhos(3), Localização dos Olhos (4), do Limbo (5) e do Brilho (6), Detecção (7) e Diagnóstico (8) do Estrabismo. RESULTADOS: foram obtidos 100% de especificidade, 96,96% de sensibilidade e 97,36% de acerto na detecção do estrabismo e demonstrou93,75% de precisão na identificação de esotropias, 100% em exotropias, 71,43% em hipertropias e 62,67% em hipotropias. CONCLUSÃO: o aplicativo mostrou-se promissor como uma ferramenta de auxílio ao diagnóstico de estrabismo.

The medical image processing has been contributing in the reduction of uncertainty in the diagnosis of abnormalities in the human body. However, there is still a need for low-cost computational tools in the diagnosis of strabismus a problem which affects approximately 4% of the population resulting aesthetic and visual problems. PURPOSE: Anapplication for automatic diagnosis of strabismus through Hirschberg test. METHODS: run 8 steps: Image Acquisition (1),Face Segmentation (2) Detection of Eye Region (3) Location of Eye (4), Limbus (5) and Brightness (6), Detection (7) and Diagnosis (8) of Strabismus. RESULTS: we obtained 100% specificity, sensitivity of 96.96 % and 97.36 % accuracy and was demonstrated to be 93,75% accurate in esotropias identification, 100% for exotropias, 71,43% for hypertropias and62,67% for hypotropias. CONCLUSION: The application has shown promise as a tool to aid the diagnosis of strabismus.

Análise temporal de lesões em mamografias utilizando índices de similaridade / Temporal analysis of mammogram lesions using similarity indexes

Uma forma de verificar a malignidade de lesões em mamografias é o acompanhamento periódico, analisando mudanças em medições de geometria (forma) e textura (tecido). Uma das medidas de forma mais utilizadas é a taxa de crescimento. No entanto, somada a medidas de tecido, obtém-se informações úteis sobre o desenvolvimento interno da lesão. OBJETIVOS: Uma metodologia para estabelecer uma correspondência entre lesões em mamografias de tempos diferentes e analisar as mudanças no tecido através de índices de similaridade. MÉTODOS: Executado em cinco etapas: Aquisição das Imagens, Pré-processamento, Registro de Imagens, Correspondência entre as Lesões e Análise Temporal de Texturas. RESULTADOS: Os resultados preliminares mostram que essa metodologia é promissora na detecção de mudanças no tecido das lesões. CONCLUSÃO: Os índices de similaridade se mostraram eficientes na quantificação de mudanças na textura e podem ser usados como informações para auxiliar o acompanhamento e diagnóstico de doenças associadas as lesões.

One way to verify the malignancy of breast lesions is the temporal analysis measurement geometry (shape) and texture (tissue). In this sense, one of the most used form measures is the growth rate. However, in addition to tissue measurements over time, you get useful information about their behavior. OBJECTIVES: A methodology for establishing a correspondence between injuries at different times and analyze changes in tissue through similarity indices. METHODS: Executed in five steps: image acquisition, preprocessing, Image Registration, Correspondence between Lesions and Temporal Analysis of Lesions Texture. RESULTS: Preliminary results show that this method is promising for detecting changes in tissue lesions. CONCLUSION: The similarity indices were effective in quantitating changes in texture and can be used as information to assist the monitoring and diagnosis of lesions associated diseases.

Diagnóstico de glaucoma em retinografias baseado em geoestatística / Glaucoma diagnosis in retinography based on geostatistics

O glaucoma é uma das doenças que mais causam cegueira em todo o mundo. O Conselho Brasileiro de Oftalmologia (CBO) estima que no Brasil existam 985 mil portadores de glaucoma com mais de 40 anos de idade. A utilização de sistemas CAD e CADx tem contribuído para aumentar as chances de detecção e diagnósticos corretos,auxiliando os especialistas na tomada de decisões sobre o tratamento do glaucoma. OBJETIVO: Apresentar um método para diagnóstico do glaucoma em retinografias utilizando o LBP para representar a região do disco ótico, funções geoestatísticas para descrever padrões e o MVS para classificar as imagens. MÉTODOS: Executado em 3 etapas: Representação da imagem (1), Extração de Características com geoestatística (2) e Classificação e Validação (3). RESULTADOS: Foram obtidos 88% de especificidade, 82% de sensibilidade e 84% de acurácia no diagnóstico do glaucoma. CONCLUSÃO: O método mostrou-se promissor como uma forma de auxílio ao diagnóstico de glaucoma.

Glaucoma is one of the diseases that more cause blindness worldwide. The Brazilian Council of Ophthalmology (CBO) estimates that in Brazil there are 985,000 people with glaucoma over 40 years old. The use of CAD and CADxsystems has contributed to increase the chances of detection and correct diagnoses, they provide, helping specialists inmaking decisions on glaucoma treatment. OBJECTIVE: To introduce a method for diagnosing glaucoma in fundus imageusing the LBP to represent the optic disk region, geostatistical functions to describe patterns and SVM to classify the images. METHODS: Run in 3 steps: Image representation (2), Feature extraction with geostatistic (3) and Classification and Validation (4). RESULTS: we obtained 88% specificity, 82% sensitivity and 84% accuracy in the diagnosis of glaucoma. CONCLUSION: The method has shown promise as a tool to aid the diagnosis of glaucoma.