Software for automatic diagnostic prediction of skin clinical images based on ABCD rule / Software para predição diagnóstica automática de imagens clínicas da pele baseada na regra ABCD

Cancer is responsible for about 7 million annual deaths worldwide. Among them, the melanoma type, responsible for 4% of the skin cancers, whose incidence has doubled in the last ten years. The processing of digital images has shown good potential for assistance in the early detection of melanomas. In this sense, the objective of the current study was to develop a software for clinical images processing and reach a score of accuracy higher than 95%. The ABCD rule was used as a guide for the development of computational analysis methods. MATLAB was used as programming environment for the development of the processing of digital images software. The images used were acquired from two banks of free images. They included images of melanomas (n=15) and nevi images (not cancer) (n=15). Images in RGB color channel were used, which were converted to grayscale, 8x8 median filter applications and 3x3 neighborhood approach technique. After, we proceeded to the binarization and inversion of black and white for later extraction of contour characteristics of the lesion. The classifier used was an artificial neural network of radial basis, getting accuracy for diagnosis of melanomas images of 100% and of 90.9% for not cancer images. Thus, global correction for diagnostic prediction was 95.5%. An area under the ROC graph 0.967 was achieved, suggesting a great diagnostic predictive ability. Besides, the software presents low cost use, since it can be run on most operating systems used nowadays.

O câncer é responsável por cerca de 7 milhões de óbitos anuais em todo o mundo. Entre eles, o tipo melanoma, responsável por 4% dos cânceres de pele, cuja incidência dobrou mundialmente nos últimos dez anos. O processamento digital de imagens tem mostrado um bom potencial para auxiliar no diagnóstico precoce de melanomas. Neste sentido, objetivo do presente estudo foi desenvolver um software para processamento digital de imagens clínicas para diagnóstico automático baseado na regra ABCD que alcançasse um percentual de acerto maior do que 95% dos casos. Utilizou-se como norteador a regra ABCD para o desenvolvimento de métodos de análise computacional. Empregou-se o MATLAB como ambiente de programação para o desenvolvimento de um software para o processamento digital de imagens. As imagens utilizadas foram adquiridas de dois bancos de imagens de acesso livre. Foram inclusas imagens clínicas de melanomas (n=15) e imagens de nevos (lesão melanocítica benigna) (n=15). Utilizaram-se imagens no canal de cor RGB, as quais foram convertidas para escala de cinza, aplicação de filtro de mediana 8x8 e técnica de aproximação por vizinhança 3x3. Após, procedeu-se a binarização e inversão de preto e branco para posterior extração das características do contorno da lesão. O classificador utilizado foi uma rede neural artificial de base radial, obtendo acerto diagnóstico para as imagens melanomas de 100% e para imagens benignas de 90,9%. Desta forma, o acerto global para predição diagnóstica foi de 95,5%. Obteve-se uma área sob a curva ROC de 0,967, o que sugere uma excelente capacidade de predição diagnóstica, sobretudo, com baixo custo de utilização, visto que o software pode ser executado na grande maioria dos sistemas operacionais hoje utilizados.

Fusão 3D de imagens de MRI/CT e termografia / 3D image fusion using MRI/CT and infrared images

INTRODUÇÃO: A termografia por imagem infravermelha (IR) é uma técnica para diagnóstico não-invasiva que permite a avaliação e quantificação de variações de temperatura na superfície da pele. Apesar de fornecer informações significativas para auxiliar no diagnóstico médico, esta técnica não permite avaliar det alhes anatômicos da região sendo analisada. Este artigo apresenta uma nova metodologia para realizar a fusão entre diferentes modalidades de imagens, tais como ressonância magnética (MRI) ou tomografia computadorizada por raios X (CT), juntamente com imagens de termografia infravermelha. MÉTODOS: Para a construção do modelo 3D, primeiramente são adquiridas as imagens por ressonância magnética (MRI) ou tomografia computadorizada (CT) e um conjunto de imagens térmicas da região de interesse. Em seguida, realiza-se o registro utilizando as projeções 2D (dos planos tomográficos) com as imagens térmicas. Após o registro, as imagens térmicas são combinadas e projetadas sobre o modelo 3D das imagens de MRI ou CT. RESULTADOS: O resultado é uma imagem 3D que combina informação de duas modalidades de imagens médicas diferentes. A combinação dessas duas modalidades de imagens médicas disponibiliza uma nova técnica de imagem 3D que agrupa informações anatômicas (MRI ou CT) e funcionais (variações de temperatura na superfície do corpo). CONCLUSÃO: Os resultados obtidos até o momento com essa nova metodologia indicam que ela pode auxiliar em diagnósticos médicos.

INTRODUCTION: Infrared (IR) thermal imaging is a non-invasive and diagnostic technique that allows evaluation and quantification based on the temperature changes of the skin surface. It provides significant information for clinical diagnosis; however this technique does not present the anatomical details of the region under inspection. In this work, it is presented an innovative image fusion method between different imaging modalities, such as magnetic resonance images (MRI) or X-ray computed tomography (CT), together with IR thermal images. METHODS: Firstly, in order to build the 3D model, the MRI or CT images and the IR thermal images (from the region of interest) are acquired. Then, based on the tomographic planes (image slices), the 2D projections are generated, and the IR images are registered accordingly. Next, the already registered IR set of images are combined and projected over the 3D MRI or CT model. RESULTS: The result is a 3D fused image that combines the information contents from the two different medical imaging modalities. The combination of these two medical imaging modalities offers a new 3D imaging technique that combines anatomical (MRI or CT) and functional (the body's surface temperature) information. CONCLUSION: The results obtained up to now with this new methodology indicate that it can aid in medical diagnosis.