Desenvolvimento de um Sistema CAD para Detecção e Auxílio ao Diagnóstico de Doenças da Mama

Transcrição

1 Desenvolvimento de um Sistema CAD para Detecção e Auxílio ao Diagnóstico de Doenças da Mama Roger Resmini 1, Adriel dos S. Araújo 1, Otavio B. Nantes 1, Claudinéia Araújo 2, Aura Conci 3 1 Curso de Sistemas de Informação Universidade Federal de Mato Grosso (UFMT) Rondonópolis MT Brasil 2 Curso de Medicina Universidade Federal de Mato Grosso (UFMT) Rondonópolis MT Brasil 3 Instituto de Computação Universidade Federal Fluminense (UFF) Niterói RJ Brasil rogerresmini@ufmt.br, {adriel.santosaraujo,braganantes,claudiaadna}@gmail.com, aconci@ic.uff.br Abstract. This paper proposes a Computer Aided Diagnosis system for breast thermal images, it is developed on web platform with UX Design techniques. The image features are extracted from grayscale co-occurrence matrix. To classify the diagnoses a Support Vector Machine was used. The performance of the proposed method achieved a result of % of Area under the Receiver Operational Characteristic Curve. Resumo. Este artigo propõe um sistema de Diagnóstico Assistido por Computador para análise de imagens térmicas da mama. O sistema proposto foi desenvolvido em plataforma web com técnicas de UX Design. As características das imagens foram extraídas utilizando a Matriz de Coocorrência em Escala de Cinza. Para classificação dos diagnósticos foi utilizada uma Máquina de Vetores de Suporte. O desempenho da metodologia proposta obteve um resultado de 94,87% de Área Abaixo da Curva ROC (do inglês Receiver Operational Characteristic). 1. Introdução Com a popularização da internet, impulsionada principalmente pelo crescimento da utilização de smartphones e tablets e os crescentes avanços na computação em geral, é possível observar que os computadores estão sendo amplamente utilizados em diversos setores da sociedade. Na área da saúde não é diferente, existem diversos sistemas computacionais sendo utilizados. Há desde software que controlam aparelhos de tomografia e Raios-X até sistemas que auxiliam o médico a elaborar um diagnóstico. Este último, denominado de sistema de Diagnóstico Assistido por Computador (do inglês Computer Aided Diagnosis, CAD) é criado com intenção de auxiliar o diagnóstico médico. É possível encontrar na literatura duas categorias de sistemas CAD: CADe e CADx [SEIXAS, 2012]. Entende-se por CADe um sistema CAD médico para detecção 30

2 de anomalias na saúde de um determinado paciente. Neste caso, o sistema identifica se existe ou não um indicativo de doença. Um exemplo seria um sistema que detecta um padrão térmico anormal na paciente (no exame de termografia), ou detecta a presença de tumor com massa (em exame de mamografia). Por outro lado, entende-se por CADx como um sistema CAD médico para diagnóstico. Desta forma, este tipo de sistema emite um relatório com o diagnóstico, cabendo ao médico aceitá-lo ou não. Um exemplo seria um sistema que informa se a alteração de padrão térmico representa um tumor maligno (exame térmico) ou se a massa encontrada é de um câncer (exame de mamografia). O trabalho desenvolvido visa a implementação de um sistema CADx open-source e gratuito disponibilizado por meio de ambiente web, para detecção de doenças da mama, neste caso, o câncer de mama. Até o momento atual, não foi realizado teste de classificação envolvendo tumores benignos, pois a proposta é trabalhar com os dois casos extremos: normal e maligno (câncer). 1.1 Relevância O câncer de mama é uma doença que tem afetado milhares de pessoas das mais diferentes faixas etárias. É o segundo tipo de câncer mais frequente em todo o mundo, sendo o mais incidente entre as mulheres. No Brasil, somente em 2014 foram estimados mais de 57 mil novos casos de câncer de mama [INCA, 2014]. Atualmente, existem poucos sistemas médicos disponibilizados por meio da internet, quantidade que diminui ainda mais quando se tratam de sistemas open source ou gratuitos. Através de buscas realizadas em indexadores de artigos, periódicos e patentes foi possível concluir que existem dois sistemas que se assemelham ao descrito neste trabalho. O primeiro chama-se Sentinel BreastScan [ARORA, 2008]. Este é um produto comercial para análise de imagens térmicas da mama que consiste em software e hardware, ou seja, tanto o programa de computador como todo o aparato para realizar a captura das imagens térmicas são desenvolvidos pela empresa. Além disso, não é possível utilizar o sistema de forma gratuita com outro equipamento de captura de imagens térmicas. O segundo é uma patente que propõe um sistema computadorizado para somente marcar as anomalias em imagens de mamografias [WEHNES, 2011]. Sendo assim, o segundo sistema não classifica automaticamente quanto à presença de câncer em uma imagem da mama, ele apenas possibilita a um médico realizar marcações nas imagens obtidas por mamografias. No trabalho de Mohamed (2015), o autor realiza a classificação de diagnósticos (por Redes Neurais) utilizando trinta e duas características estatísticas, sendo vinte delas provenientes da Matriz de Co-ocorrência em Escala de Cinza (do inglês Grey Level Cooccurrence Matrix, GLCM). O autor alcança um resultado de 96,12% de acurácia, 78,95% de sensibilidade e 97,86% de especificidade. Dessa forma, neste artigo propõe-se um sistema modular, baseado em plataforma web, para auxílio ao diagnóstico médico de câncer de mama utilizando imagens térmicas. As seções do trabalho a seguir descrevem a metodologia utilizada, os resultados obtido, discussões e as considerações finais com proposta de trabalhos futuros. 2. Metodologia Para o desenvolvimento deste sistema foram utilizadas as seguintes ferramentas e tecnologias: Python, Django, Numpy, Scikit-image, Scikit-learn, HTML, CSS, 31

3 Javascript/AJAX, Dropzone.js, Twitter Bootstrap, Brackets, GIMP e Inkscape. Durante o desenvolvimento, as atividades foram divididas em 2 etapas: planejamento e desenvolvimento da interface do usuário e aplicação de métodos de inteligência artificial, já existentes na literatura, para a classificação Planejamento e desenvolvimento de Interface do Usuário Inicialmente, utilizando os editores de imagem GIMP e Inkscape, foram criados os esboços da interface do sistema além das imagens necessárias para a criação da interface utilizando HTML e CSS. O sistema foi organizado na estrutura Modelo, Visualização e Gabarito (do inglês Model, View, Template; MVT) [PLEKHANOVA, 2009]. Assim, há uma separação clara do que está relacionado ao banco de dados (model), funções de interação com o sistema (views) e modelos de páginas em HTML e CSS (template). O sistema é constituído de várias páginas com funcionalidades que permitem principalmente cadastrar e configurar usuários, criar amostras de imagens e enviá-las ao servidor e visualizar as amostras do usuário. Para possibilitar a interação foram definidos os modelos necessários para criação do banco de dados e sistema de usuários com suas respectivas amostras. Desta forma, utilizando Mapeamento Objeto-Relacional [do inglês Object-relational mapping, ORM), uma técnica que permite a construção da persistência do banco de dados através de orientação a objetos [FORCIER, 2008], foram criadas as classes necessárias. As classes criadas foram: controle de acesso, gerenciador de senhas, cadastro de amostras e gerenciamento de imagens. A criação destas é uma etapa da técnica MVT, chamada model e define o banco de dados. Uma vez que os modelos de classes foram criados, iniciou-se a implementação dos algoritmos que compõe a camada View. Estes algoritmos possibilitam a integração dos modelos definidos na camada anterior, com as páginas HTML até então estáticas. É através destes algoritmos que é efetivamente possível a criação dos modelos de dados definidos na camada model. Foram criados métodos que descrevem o comportamento do sistema e permitem disponibilizar as funcionalidades propostas neste trabalho. Dentre as principais funcionalidades programadas estão o envio de arquivos, registro e controle de usuário, criação de amostras, gerenciamento de senhas, extração de características, classificação de amostras e emissão de diagnóstico. Com os modelos de páginas definitivos (templates), criados em HTML, códigos de interação (views) e modelos de banco de dados (models) finalizados, foram definidos os caminhos onde as funcionalidades podem ser acessadas. Cada caminho permite o acesso a uma funcionalidade definida na camada view que, consequentemente, está diretamente ligada às demais camadas (models e templates). Pensando-se em UX Design foi utilizado Localizador Padrão de Recursos (do inglês Uniform Resource Locator, URL) amigável para facilitar a navegação no sistema Aplicação de Métodos de Inteligência Artificial. O sistema CAD médico proposto deve ser capaz de receber imagens térmicas digitais e oferecer uma classificação que contribua com o diagnóstico médico, proporcionando um parecer preciso e automático. Para isso, as imagens são submetidas a um pré- 32

4 processamento, onde são delimitadas as regiões de interesse, ROI (do inglês Region of Interest) através da segmentação manual das imagens. Uma vez segmentadas, as imagens são submetidas ao algoritmo extrator de características que cria bases de características utilizadas para treino e teste do classificador. Considera-se uma característica, neste trabalho, o valor calculado a partir da imagem utilizada segundo uma determinada medida. Este conjunto de características determina padrões para cada classe, que, quando submetidos ao algoritmo de aprendizado de máquina, também chamado de classificador, são rotulados quanto ao estado clínico das mamas da paciente. Considera-se classe o diagnóstico dado a uma paciente. Neste trabalho são utilizados dois diagnósticos: normal, com ausência de doença e maligno, com a presença de câncer. Os diagnósticos foram emitidos por médico e comprovados por biópsia ou mamografia. O algoritmo extrator de características utilizado neste trabalho é baseado na GLCM, que pode ser entendida como uma matriz de probabilidades que armazena os valores de envolvimento de dois pixels dada uma relação espacial [HARALICK, 1973]. Após montada a GLCM, podem ser extraídas várias características, que são medidas realizadas na matriz de probabilidades (GLCM). Haralick (1973) propôs quatorze medidas estatística possíveis de serem calculadas a partir da GLCM. Contudo, Baraldi e Parmiggiani (1995), indicam que apenas seis destas medidas são suficientes para compor um conjunto significativo de características. Portanto, neste trabalho são utilizados os seis extratores de Haralick mais relevantes: Segundo Momento Angular, Entropia, Contraste, Variância, Correlação e Homogeneidade. Após a extração das características, foi realizada a fase de classificação onde foi possível identificar padrões existentes nas imagens através técnicas de Aprendizado de Máquina. Este trabalho utilizou um método supervisionado de aprendizado de máquina. Aprendizado supervisionado é uma técnica onde o algoritmo recebe o vetor de características e a informação de qual a classe está representada no vetor. Este algoritmo também é chamado de classificador base. Neste trabalho foi utilizado uma Máquina de Vetores de Suporte, SVM (do inglês Suport Vector Machines) na implementação conhecida como LibSVM [CHANG et al., 2001]. Uma SVM é fundamentada na construção, em um espaço n-dimensional, de um ou mais hiperplanos que são utilizados para a tomada de decisão. Espera-se com este tipo de classificação, uma forma eficiente do ponto de vista computacional de separação dos hiperplanos maximizando as margens entre os dados [RESMINI, 2011]. 3. Resultados e discussões As imagens utilizadas neste trabalho foram obtidas do banco de imagens térmicas da mama, Database For Mastology Research, [SEQUEIROS, 2013]. Foram utilizadas quarenta imagens de pacientes com câncer e quarenta imagens de pacientes saudáveis. As imagens foram segmentadas de forma manual por um especialista não médico. As imagens segmentadas serão disponibilizadas no futuro para acesso por outros pesquisadores. A Figura 1 mostra uma tela do sistema onde são exibidas as amostras criadas pelo usuário e suas respectivas imagens térmicas. 33

5 Figura 1. Página de amostras enviadas pelo usuário Para avaliar o desempenho da classificação realizada, várias estratégias, como acurácia, sensibilidade, especificidade, área abaixo da curva ROC (do inglês Area Under the Curve, AUC) podem ser usadas. Neste trabalho utilizaram-se todas estas medidas de desempenho. A Tabela 1 mostra como é montada a tabela de distribuição dos resultados. A montagem da tabela varia conforme o objetivo da busca. Se o que se busca é por resultados com câncer, como neste trabalho, os valores de Verdadeiro Positivos (VP) são os resultados classificados (condição predita) como com câncer e realmente há câncer (condição real). Os Verdadeiros Negativos são resultados preditos como normal e realmente não há câncer. Os Falsos Positivos são resultados preditos como com câncer e na realidade são saudáveis. Os Falsos Negativos são resultados preditos como normal e na realidade há câncer. Além desse, são importantes a Taxa de Verdadeiros Positivos, que também conhecida como sensibilidade e a Taxa de Falsos Positivos. Tabela 1. Medidas de análise de desempenho. [Fonte: baseado em Loong (2003)] Condição predita Condição positiva predita Condição negativa predita Condição real Condição positiva real VP (verdadeiro positivo) Condição negativa real FP (falso negativo) FN (falso negativo) VN (verdadeiro negativo) TVP (Taxa de verdadeiro positivo) TFP (Taxa de falso positivo) 34

6 O cálculo das medidas de desempenho utilizadas é mostrado a seguir: 1. Sensibilidade: 2. Especificidade: 3. Acurácia: 4. AUC: é o cálculo da área abaixo da curva apresentada no gráfico da curva ROC que para ser calculado leva em consideração TVP e TFP. Os resultados obtidos pelo sistema CAD proposto, realizando a classificação entre diagnósticos normal e câncer, foi de 94,87% de AUC. A Tabela 1 mostra os resultados obtidos por Mohamed (2015) e os resultados obtidos pelo sistema aqui CAD proposto. Tabela 2. Comparação do sistema CAD proposto com a literatura Acurácia Sensibilidade Especificidade AUC Mohamed (2015) 96,12 % 78,95 % 97,86 % - CAD proposto 94,61 % 94,61 94,87 94,87 % Embora o resultado de acurácia tenha sido melhor no trabalho de Mohamed (2015), percebe-se que a sensibilidade alcançada pelo autor é inferior a metodologia proposta neste trabalho. O trabalho de Mohamed (2015) utiliza cento e oitenta e sete imagens de pacientes saudáveis e dezenove de pacientes com câncer. O desbalanceamento do banco de imagens utilizado por Mohamed (2015) justifica uma taxa de sensibilidade baixa, pois se o algoritmo de classificação utilizado prever todo o resultado como sendo da classe normal, será garantida à estratégia uma acurácia de 90%. Por outro lado, a base utilizada no sistema CAD proposto utiliza um banco de imagens balanceado, contendo quarenta imagens de pacientes com câncer e quarenta de pacientes saudáveis. Além disso, as taxas de acurácia, sensibilidade e AUC estão próximas, o que mostra que há quantidade semelhante de acertos na classe normal e classe com câncer. A literatura apresenta outros trabalhos, entretanto o de Mohamed (2015) foi escolhido por ser atual e conter comparações com outras metodologias expostas na literatura. Nessas comparações, o trabalho de Mohamed (2015) se apresenta como melhor trabalho. 4. Considerações finais Este trabalho propõe um sistema CAD contendo uma interface gráfica web com estratégias de UX Design e gerenciamento de amostras de imagens para classificação. Utilizou como classificador a SVM e obteve um resultado de 94,87 % de AUC. 35

7 A comparação com a literatura mostra que o uso de um banco de imagens balanceado (quarenta imagens de pacientes com câncer e quarenta imagens de pacientes saudáveis) torna o sistema mais preciso por prever quantidades semelhantes de diagnósticos em ambas as classes (câncer e saudável). Também é possível observar que o sistema desenvolvido pode ser considerado uma inovação, uma vez que não existem sistemas CADx disponibilizados em ambiente web e open source, para auxílio ao exame de mamas utilizando imagens térmicas. Pretende-se no futuro permitir a adição de novos módulos para diagnóstico de outras patologias. Estes módulos poderão ser desenvolvidos pela comunidade cientifica e submetidos para a validação. Além disso, pode-se extrair novas características utilizando outros métodos para melhorar o desempenho do sistema atual. Um outro trabalho futuro será disponibilizar todas as imagens segmentadas e as características extraídas para que outros pesquisadores possa testar seus algoritmos. 5. Agradecimentos À CAPES, FAPEMAT e PROEXT/MEC 2014 pelo apoio financeiro. Referências ARORA, Nimmi et al. Effectiveness of a noninvasive digital infrared thermal imaging system in the detection of breast cancer. The American Journal of Surgery, v. 196, n. 4, p , BARALDI, A., PARMIGGIANI, F, An investigation of the textural characteristics associated with gray level cooccurrence matrix statistical parameters. Geoscience and Remote Sensing, IEEE Transactions on, v. 33, n. 2, p , CHANG, CC; LIN, CJ. LIBSVM: A library for support vector machines. ACM Transactions on Intelligent Systems and Technology (TIST), v. 2, n. 3, p. 27, SEQUEIROS, G. O. Desenvolvimento de um Banco de Dados Acessiveis Via Web com Recuperação Baseado no Conteúdo. M. Sc. thesis, IC-UFF, FORCIER, Jeff; BISSEX, Paul; CHUN, Wesley. Python web development with Django. Addison-Wesley Professional, HARALICK, R. M., SHANMUGAM, K., and DINSTEIN, I. H., Textural features for image classification, IEEE Transactions on systems, man and cybernetics, , INCA, INSTITUTO NACIONAL DE CÂNCER (Brasil). Estimativa Incidência do Câncer no Brasil. Rio de Janeiro, LOONG, Tze-Wey. Understanding sensitivity and specificity with the right side of the brain. BMJ: British Medical Journal, v. 327, n. 7417, p. 716, MOHAMED, Nader Abd El-Rahman. Breast Cancer Risk Detection Using Digital Infrared Thermal Images. International Journal of Bioinformatics and Biomedical Engineering. Vol. 1, No. 2, 2015, P

8 RESMINI, R., Análise de Imagens Térmicas da Mama Usando Descritores de Textura. Dissertação de Mestrado do Programa de Pós-Graduação em Computação. Universidade Federal Fluminense, SEIXAS, F. L. Sistema de Apoio à Decisão aplicado ao Diagnóstico de Demência, Doença de Alzheimer e Transtorno Cognitivo Leve. Tese de Doutorado do Programa de Pós-Graduação em Computação. Universidade Federal Fluminense, WEHNES, Jeffrey C.; WANG, Shujun. Marking System for Computer Aided Detection of Breast Abnormalities. U.S. Patent Application 13/808,229, 6 jul