Detecção e qualificação de lesões melanocíticas através de evidências locais e de contexto
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/134372 |
Resumo: | Neste trabalho, um novo método não-supervisionado para segmentação de lesões melanocíticas em imagens macroscópicas é proposto levando em consideração regiões suspeitas, e também uma nova abordagem para classificação de lesões que faz uso de evidências locais e de contexto para estimar um índice de probabilidade para malignidade em cada lesão. O método proposto realiza a segmentação das imagens em três tipos de regiões disjuntas: ‘pele saudável’, ‘região de incerteza’ e ‘lesão’. Regiões de incerteza são refinadas através da utilização de feições estocásticas também de forma não-supervisionada, resultando em uma máscara binária que discrimina a pele da lesão. As máscaras obtidas apresentam um erro XOR comparável aos métodos estado da arte. A imagem é segmentada utilizando um algoritmo de superpixels e as sub-regiões que intersectam a máscara obtida são categorizadas como evidências locais. Estas evidências são representadas por uma descrição especializada que explora as características como cor e textura. Estas sub-regiões são então associadas à evidências de contexto definidas pela borda da lesão de onde foram extraídas e classificadas de forma independente através de uma abordagem supervisionada. Com o resultado da classificação destas evidências é possível obter um indicador probabilístico para malignidade associado a cada lesão, e levando em consideração um valor de tolerância é possível identificar lesões malignas em potencial. Os resultados obtidos com o método proposto são promissores e apresentam maior acurácia do que os métodos existentes na literatura apesar do erro XOR da segmentação das lesões ser maior, o que tende a confirmar o potencial do método proposto para discriminar lesões melanocíticas benignas e malignas. |
id |
URGS_08928aae9672ddb3b0ab68d356e3239f |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/134372 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Bernart, Eliezer EmanuelBampi, SergioScharcanski, Jacob2016-03-29T02:06:53Z2016http://hdl.handle.net/10183/134372000988366Neste trabalho, um novo método não-supervisionado para segmentação de lesões melanocíticas em imagens macroscópicas é proposto levando em consideração regiões suspeitas, e também uma nova abordagem para classificação de lesões que faz uso de evidências locais e de contexto para estimar um índice de probabilidade para malignidade em cada lesão. O método proposto realiza a segmentação das imagens em três tipos de regiões disjuntas: ‘pele saudável’, ‘região de incerteza’ e ‘lesão’. Regiões de incerteza são refinadas através da utilização de feições estocásticas também de forma não-supervisionada, resultando em uma máscara binária que discrimina a pele da lesão. As máscaras obtidas apresentam um erro XOR comparável aos métodos estado da arte. A imagem é segmentada utilizando um algoritmo de superpixels e as sub-regiões que intersectam a máscara obtida são categorizadas como evidências locais. Estas evidências são representadas por uma descrição especializada que explora as características como cor e textura. Estas sub-regiões são então associadas à evidências de contexto definidas pela borda da lesão de onde foram extraídas e classificadas de forma independente através de uma abordagem supervisionada. Com o resultado da classificação destas evidências é possível obter um indicador probabilístico para malignidade associado a cada lesão, e levando em consideração um valor de tolerância é possível identificar lesões malignas em potencial. Os resultados obtidos com o método proposto são promissores e apresentam maior acurácia do que os métodos existentes na literatura apesar do erro XOR da segmentação das lesões ser maior, o que tende a confirmar o potencial do método proposto para discriminar lesões melanocíticas benignas e malignas.In this work, a novel unsupervised method for melanocytic macroscopic image segmentation is proposed considering suspicious regions, and also a novel approach for lesion classification using local and context evidence to estimate a probabilistic index of malignity or benignity in each lesion. The proposed method segment the macroscopic images in three types of disjoint regions: ‘healthy skin’, ‘suspicious region’ and ‘lesion’. Suspicious areas are refined using stochastic texture features also in an unsupervised approach, resulting in a binary mask discriminating skin and lesion. The resulting masks present an XOR error similar to other state-of-art methods. In the next step, the image is segmented using a superpixels algorithm and subregions that intersect the obtained mask categorized as local evidence. A specialized representation describes color and texture information present in the local evidence region. The border of the segmented skin lesion defines the context evidence and using a supervised approach, local and context evidence are combined and classified independently. With the evidence classification results is possible to obtain a probabilistic index of malignity and benignity associated to each lesion, and considering a tolerance value is possible to identify potential malignant lesions. The results achieved with the proposed method are promissing and present greater accuracy than other techniques in the literature, even with a greater XOR error in segmentation step, confirming the proposed method’s potential to discriminate benignant and malignant melanocytic lesions.application/pdfporComputação gráficaProcessamento : Imagens médicasSegmentationClassificationMelanocytic lesionsMacroscopic imagesDetecção e qualificação de lesões melanocíticas através de evidências locais e de contextoDetection and qualification of melanocytic lesions using local and context evidences info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2016mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000988366.pdf000988366.pdfTexto completoapplication/pdf2671157http://www.lume.ufrgs.br/bitstream/10183/134372/1/000988366.pdf5eaa9b68c28fd9a5e744c9892a0b5828MD51TEXT000988366.pdf.txt000988366.pdf.txtExtracted Texttext/plain101332http://www.lume.ufrgs.br/bitstream/10183/134372/2/000988366.pdf.txtf48c83c61854e0d32351cc2fb484b6c3MD52THUMBNAIL000988366.pdf.jpg000988366.pdf.jpgGenerated Thumbnailimage/jpeg1172http://www.lume.ufrgs.br/bitstream/10183/134372/3/000988366.pdf.jpg99abc6c4b639199952f817bd1489d20aMD5310183/1343722021-05-26 04:47:15.209435oai:www.lume.ufrgs.br:10183/134372Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532021-05-26T07:47:15Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Detecção e qualificação de lesões melanocíticas através de evidências locais e de contexto |
dc.title.alternative.en.fl_str_mv |
Detection and qualification of melanocytic lesions using local and context evidences |
title |
Detecção e qualificação de lesões melanocíticas através de evidências locais e de contexto |
spellingShingle |
Detecção e qualificação de lesões melanocíticas através de evidências locais e de contexto Bernart, Eliezer Emanuel Computação gráfica Processamento : Imagens médicas Segmentation Classification Melanocytic lesions Macroscopic images |
title_short |
Detecção e qualificação de lesões melanocíticas através de evidências locais e de contexto |
title_full |
Detecção e qualificação de lesões melanocíticas através de evidências locais e de contexto |
title_fullStr |
Detecção e qualificação de lesões melanocíticas através de evidências locais e de contexto |
title_full_unstemmed |
Detecção e qualificação de lesões melanocíticas através de evidências locais e de contexto |
title_sort |
Detecção e qualificação de lesões melanocíticas através de evidências locais e de contexto |
author |
Bernart, Eliezer Emanuel |
author_facet |
Bernart, Eliezer Emanuel |
author_role |
author |
dc.contributor.author.fl_str_mv |
Bernart, Eliezer Emanuel |
dc.contributor.advisor1.fl_str_mv |
Bampi, Sergio |
dc.contributor.advisor-co1.fl_str_mv |
Scharcanski, Jacob |
contributor_str_mv |
Bampi, Sergio Scharcanski, Jacob |
dc.subject.por.fl_str_mv |
Computação gráfica Processamento : Imagens médicas |
topic |
Computação gráfica Processamento : Imagens médicas Segmentation Classification Melanocytic lesions Macroscopic images |
dc.subject.eng.fl_str_mv |
Segmentation Classification Melanocytic lesions Macroscopic images |
description |
Neste trabalho, um novo método não-supervisionado para segmentação de lesões melanocíticas em imagens macroscópicas é proposto levando em consideração regiões suspeitas, e também uma nova abordagem para classificação de lesões que faz uso de evidências locais e de contexto para estimar um índice de probabilidade para malignidade em cada lesão. O método proposto realiza a segmentação das imagens em três tipos de regiões disjuntas: ‘pele saudável’, ‘região de incerteza’ e ‘lesão’. Regiões de incerteza são refinadas através da utilização de feições estocásticas também de forma não-supervisionada, resultando em uma máscara binária que discrimina a pele da lesão. As máscaras obtidas apresentam um erro XOR comparável aos métodos estado da arte. A imagem é segmentada utilizando um algoritmo de superpixels e as sub-regiões que intersectam a máscara obtida são categorizadas como evidências locais. Estas evidências são representadas por uma descrição especializada que explora as características como cor e textura. Estas sub-regiões são então associadas à evidências de contexto definidas pela borda da lesão de onde foram extraídas e classificadas de forma independente através de uma abordagem supervisionada. Com o resultado da classificação destas evidências é possível obter um indicador probabilístico para malignidade associado a cada lesão, e levando em consideração um valor de tolerância é possível identificar lesões malignas em potencial. Os resultados obtidos com o método proposto são promissores e apresentam maior acurácia do que os métodos existentes na literatura apesar do erro XOR da segmentação das lesões ser maior, o que tende a confirmar o potencial do método proposto para discriminar lesões melanocíticas benignas e malignas. |
publishDate |
2016 |
dc.date.accessioned.fl_str_mv |
2016-03-29T02:06:53Z |
dc.date.issued.fl_str_mv |
2016 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/134372 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000988366 |
url |
http://hdl.handle.net/10183/134372 |
identifier_str_mv |
000988366 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/134372/1/000988366.pdf http://www.lume.ufrgs.br/bitstream/10183/134372/2/000988366.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/134372/3/000988366.pdf.jpg |
bitstream.checksum.fl_str_mv |
5eaa9b68c28fd9a5e744c9892a0b5828 f48c83c61854e0d32351cc2fb484b6c3 99abc6c4b639199952f817bd1489d20a |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085354269573120 |