Pim

Resumo

O câncer é um crescimento celular anormal, incontrolável, que invade tecidos vizinhos e os destroem. Somente nos Estados Unidos em 2005, foram registrados mais de 175 mil casos de câncer do pulmão que levaram a morte mais de 160 mil pessoas. Este total é tão expressivo que supera o número de óbitos provocados pela soma dos 3 tipos de câncer de maior incidência (mama, colorretal e próstata). Entretanto, pacientes que são diagnosticados precocemente, logo nos primeiros meses da doença, possuem 60% a 90% de chance de sobrevivência. Logo, a detecção e o tratamento precoce do câncer de pulmão são formas efetivas de garantir a vida dos pacientes. Os atuais sistemas de auxílio computadorizado à detecção de nódulos possuem entre 70% a 80% de sensibilidade, entretanto, produzem dezenas de falsos-positivos por caso, ou seja, detectam grande volume de nódulos benignos.
Classificar o nódulo do pulmão em benigno ou maligno também é uma das maiores dificuldades encontradas pelos especialistas. Nódulos malignos e benignos possuem algumas características distintas, por exemplo, a forma dos nódulos. Quando o nódulo apresenta uma forma esférica e bem definida é provável que seja benigno. Já nódulos malignos apresentam forma irregular ou espiculada. A variação de padrões da textura dos nódulos também fornece fortes indicadores da natureza maligna ou benigna dos nódulos. A presença de gordura ou a calcificação são fortes indicadores de hamartoma benigno e resultam em uma distribuição irregular de textura. Nódulos malignos apresentam textura uniforme produzida pela presença de necrose. Entretanto, a detecção e a classificação de nódulos pulmonares é uma tarefa desafiadora aos especialistas, pois os nódulos são pequenos, apresentam baixo contraste e normalmente estão inclusos em estruturas anatômicas complexas. A recuperação de imagens baseada em conteúdo tem sido descrita como uma das ferramentas mais promissoras no auxílio computadorizado ao diagnóstico, pois a partir de uma imagem de referência (caso desconhecido) é possível encontrar imagens similares (malignas ou benignas) já diagnosticadas em uma base de imagens utilizando atributos inerentes das imagens. Assim, este projeto propõe o desenvolvimento de um algoritmo para auxiliar à classificação de nódulos pulmonares baseado na recuperação de imagens utilizando a textura e forma dos nódulos pulmonares. Um banco de nódulos de pulmão com diagnóstico associado será desenvolvido utilizando exames do projeto “Lung Image Database Consortium”- (LIDC) e exames da Unidade de Emergência do Agreste de Arapiraca – AL (UEA) entidade parceira na execução deste projeto. Os nódulos dos exames serão armazenados no banco após serem segmentados utilizando o algoritmo de Crescimento por Região 3D. Um Vetor de Atributos de Textura (VAT) será obtido a partir da Matriz de Co-ocorrência 3D. O VAT será associado a cada nódulo inserido na base. O auxílio à classificação dos nódulos será baseado na recuperação de imagens similares que utilizará uma solução heterogênea envolvendo textura e a estrutura dos nódulos. A similaridade por textura será obtida pela menor distância Euclidiana entre os VAT dos nódulos da base em relação ao VAT do nódulo suspeito. A similaridade pela forma será obtida pelo maior coeficiente de similaridade obtido por Registro de Imagens utilizando Informação Mutual dos nódulos da base e do nódulo suspeito. Após a execução dos algoritmos será fornecida a classificação dos nódulos mais similares pertencentes à base. Assim, se o nódulo em questão for considerado similar a um ou mais nódulos benignos (ou malignos) pelo especialista, o resultado lhe direcionará com maior convicção na decisão do seu diagnóstico.
Os algoritmos de recuperação de imagens serão processados em paralelo no Grid Computacional do OurGrid devido ao tamanho da base de imagens e ao custo computacional dos algoritmos.