Análise de nódulos pulmonares usando o índice de Brillouin para estabelecer possíveis diferenças entre padrões malignos e benignos

Transcrição

1 Análise de nódulos pulmonares usando o índice de Brillouin para estabelecer possíveis diferenças entre padrões malignos e benignos Robherson Wector de Sousa Costa 1, Aristófanes Corrêa Silva 1 1 Universidade Federal do Maranhão (UFMA) Caixa Postal São Luís MA Brasil robhersonwector@gmail.com, aricsilva@gmail.com Abstract. Lung cancer remains the leading cause of cancer mortality worldwide with one of the lowest survival rates after diagnosis. Therefore, early detection is important to increase the healing chances of the patient, and the more information the doctor s possession, the more accurate the diagnosis. To assist the expert in search and identification of nodes and changes in CT images, detection systems are developed computer aided (CAD), which aim to automate the identification and classification of these structures work. Thus, this work proposes a methodology for characterizing lung nodules, aiming to become a computational tool used to suggest about the malignancy or benignity of them, acting as a second opinion by the expert. The methodology is based on image processing and pattern recognition techniques. The Brillouin index was used as the texture descriptor. After this step, the classification by Support Vector Machine was performed (MVS) and using the genetic algorithm to generate a proportional training model, in which 90.45% sensitivity rates were obtained, specificity of 90.08% and accuracy of 90.34%. Resumo. O câncer de pulmão é ainda a maior causa de mortalidade por câncer em todo o mundo, com uma das menores taxas de sobrevida a partir do diagnóstico. Por isso, sua detecção precoce é importante para aumentar as chances de cura do paciente, e quanto mais informações o médico dispuser, mais preciso será o diagnóstico. Para auxiliar o especialista na busca e identificação de nódulos e alterações em imagens tomográficas, são desenvolvidos sistemas de detecção assistidos por computador (CAD), que visam automatizar os trabalhos de identificação e classificação dessas estruturas. Diante disso, este trabalho propõe uma metodologia de caracterização de nódulos pulmonares, objetivando tornar-se uma ferramenta computacional utilizada para sugerir sobre a malignidade ou benignidade dos mesmos, atuando como uma segunda opinião junto ao especialista. A metodologia aplicada baseia-se em técnicas de processamento de imagens e reconhecimento de padrões. O índice de Brillouin foi utilizado como descritor de textura. Após essa etapa, foi realizada a classificação pela Máquina de Vetores de Suporte (MVS) e utilizando o Algoritmo Genético para geração de um modelo de treino proporcional, em que foram obtidas taxas de sensibilidade de 90,45%, especificidade de 90,08% e acurácia de 90,34%.

2 1. Introdução O câncer de pulmão é o mais frequente de todos os tumores malignos, apresentando aumento de 2% por ano na sua incidência mundial. A última estimativa mundial apontou incidência de 1,82 milhões de casos novos de câncer de pulmão para o ano de 2012, sendo 1,24 milhões em homens e 583 mil em mulheres. Em 90% dos casos diagnosticados, o câncer de pulmão está associado ao consumo de derivados de tabaco. No Brasil, foi responsável por mortes em Altamente letal, a sobrevida média cumulativa total em cinco anos varia entre 13 e 21% em países desenvolvidos e entre 7 e 10% nos países em desenvolvimento. No fim do século XX, o câncer de pulmão se tornou uma das principais causas de morte evitáveis. No Brasil, as estimativas de casos de câncer de pulmão do ano de 2016 são de , sendo homens e , mulheres (INCA, 2016). A maneira mais fácil de diagnosticar o câncer de pulmão é por meio de raios-x do tórax, complementado por uma tomografia computadorizada (TC). Essas tecnologias de aquisição de imagens auxiliam os especialistas. Por meio das imagens obtidas, é possível desenvolver sistemas assistidos por computador que auxiliam na detecção do nódulo, e que podem até fornecer uma possível indicação de diagnóstico, funcionando assim com uma segunda opinião para análise dos exames. Esses sistemas podem ser do tipo CAD (Computer-Aided Detection Detecção assistida por computador) ou CADx (Computer- Aided Detection and Diagnosis Detecção e Diagnóstico assistida por computador). Os sistemas CAD auxiliam os especialistas na detecção de regiões de interesse no exame, mas não realizam o diagnóstico. Os sistemas CADx sugerem um diagnóstico (maligno ou benigno, por exemplo). Sistemas como CADx utilizam técnicas de processamento de imagens para auxiliar na realização do diagnóstico. 2. Materiais e Métodos Este trabalho propõe uma metodologia para classificação de nódulos pulmonares em exames de tomografia computadorizada. Como resultado da obtenção das marcações dos especialistas e da etapa de segmentação foram gerados nódulos, sendo benignos e 394 malignos. Em seguida, os nódulos foram submetidos à técnica de quantização uniforme em três níveis: 8, 12 e 16 bits. Após a quantização, cada nódulo quantizado gerou 9 áreas delimitadas referentes as máscaras internas e máscaras externas. Foi aplicado o cálculo do índice de Brillouin a cada uma dessas áreas em todos os 3 níveis de quantização, gerando um total de 27 características para cada nódulo pulmonar. Logo depois é utilizado o Algoritmo Genético para gerar um modelo de treinamento para máquina de vetores e suporte e por último validamos os resultados Extração de Características Após a segmentação dos nódulos, os mesmos são encaminhados à fase de extração de características de textura. Nesta fase, foram realizados experimentos com a aplicação da técnica de quantização uniforme em três níveis: 8, 12 e 16 bits. Para a descrição da textura dos objetos, foi utilizado o Índice de Brillouin. As abordagens máscara interna e máscara externa foram utilizadas para encontrar padrões de textura que melhor descrevam os nódulos pulmonares benigno e maligno.

3 Figura 1. Metodologia Proposta Índice de Brillouin Para medir a diversidade temos duas componentes: a riqueza de espécies, que consiste no número de espécies encontradas em determinada região, e a abundância relativa, que é o número de indivíduos de uma determinada espécie existentes numa dada área. O resultado do cálculo, para qualquer índice de diversidade, é representado por um único valor. As medidas de diversidade de espécies são geralmente úteis para comparar padrões em diferentes áreasl (e). Os índices baseados nas abundâncias proporcionais das espécies são as medidas de diversidade mais utilizadas em ecologia. Estes índices levam em conta, tanto a uniformidade quanto a riqueza de espécies, sendo chamados também de índices de heterogeneidade. O aumento do número de espécies ou o aumento da uniformidade das abundâncias aumenta a diversidade. O Índice de Brillouin, é amplamente utilizado devido à sua boa capacidade discriminante e que não seja indevidamente influenciada pelo tamanho da amostra. É uma medida satisfatória da situação, mesmo quando a abundância subjacente de espécies não seguem uma série de registro, distribuição e é menos afetado pela abundância das espécies mais comuns. (BARROS, 2015). Esse índice é calculado a partir da equação: H = 1 s N (log N! log N i!) (1) Maquina de Vetores e Suporte A Máquina de Vetores de Suporte (MVS) é uma técnica de aprendizagem supervisionada, usada para estimar uma função que classifique dados de entrada em duas classes. O princípio básico é a construção de um hiperplano como superfície de decisão, cuja margem de separação entre as classes seja máxima. Por hiperplano entende-se uma superfície de separação de duas regiões em um espaço multidimensional, em que o número de dimensões pode ser, até, infinito h (c).

4 Algoritmo Genético O Algoritmo Genético foi utilizando nesse trabalho para gerar o melhor modelo de treinamento para o classificador MVS na etapa de classificação. As imagens usadas neste trabalho foram obtidas da base LIDC-IDRI?. Foram utilizados 833 exames, dos quais foram extraídos 1405 nódulos (1011 benigno e 394 malignos). Dividiu-se a base em 80% (1124) para treino e validação, e 20% (281) para teste, todos foram selecionados de forma aleatória. Estes 2% serão usados para testar o modelo final selecionado pelo AG. Os 80% da base (treino) foram submetidos ao AG para seleção dos melhores indivíduos (nódulos), para que o mesmo gere um modelo balanceado com apenas 500 indivíduos (nódulos), sendo 250 malignos e 250 benignos. Um modelo de treinamento balanceado é utilizado nesta metodologia porque segundo (DU & S., 2005) o uso de SVMs em conjuntos de treinamento com tamanhos de classe irregulares resultam em classificação tendenciosa em direção às classes com o maior número de indivíduos Validação dos Resultados Após a finalização da etapa de reconhecimento de padrões, é necessário validar os resultados e discutir prováveis melhorias. Essa metodologia usa métricas comumente empregadas em sistemas CAD/CADx, e aceitas pela sociedade para análise de desempenho de sistemas baseados em processamento de imagens. Estas métricas são sensibilidade, especificidade e acurácia. Tais métricas têm o objetivo de medir o desempenho da metodologia como satisfatória ou não, além de ajudar a identificar pontos positivos e negativos para melhoria futura deste trabalho na fase de treinamento e teste. 3. Resultados e Discussão Nessa seção são apresentados e discutidos os resultados obtidos com a utilização da metodologia proposta no trabalho para classificação de nódulos pulmonares de tomografia computadorizada em maligno e benigno. Como resultado da obtenção das marcações dos especialistas e da etapa de segmentação foram gerados nódulos, sendo benignos e 394 malignos. Em seguida, os nódulos foram submetidos à técnica de quantização uniforme em três níveis: 8, 12 e 16 bits. Após a quantização, cada nódulo quantizado gerou 9 áreas delimitadas referentes as máscaras internas e máscaras externas, foi aplicado o cálculo do índice de Brillouin gerando um total de 27 características para cada nódulo pulmonar. Os testes foram divididos em duas seções. A Seção 5.1 apresenta os resultados obtidos com as duas classes (benigno, maligno) usando o índice de Brillouin. A Seção 5.2 apresenta os resultados com as classes benigno e maligno usando o índice de Brillouin para extração de características e o Algoritmo Genético para geração de um modelo de treinamento balanceado para o classificador SVM Testes com as Classes Benigno e Maligno usando o índice de Brillouin Nessa seção são apresentados os resultados obtidos com as classes benigno e maligno, totalizando amostras de nódulos pulmonares, sendo benignos e 394 malignos. Devido ao desbalanceamento das amostras foram atribuídos pesos às classes, peso 1 para à classe benigno e peso 3 para à classe maligno. As medidas de validação dos resultados utilizadas são: sensibilidade média, especificidade média e acurácia média.

5 Tabela 1. Resultados obtidos para as 2 Classes Treino/Teste Acurácia Sensibilidade Especificidade 80% / 20% 89.50% 86.41% 88.61% 3.2. Testes com as Classes Benigno e Maligno usando o índice de Brillouin para extração de características e o algoritmo genético para gerar um modelo de treino para a MVS Nessa seção serão apresentados os resultados obtidos com as classes benigno e maligno, totalizando amostras de nódulos pulmonares, sendo benignos e 394 malignos. Devido ao desbalanceamento das amostras foram atribuídos pesos às classes, peso 1 para à classe benigno e peso 3 para à classe maligno a proporção usando foi de 80% para treino e 20% para teste, onde esse 80% foram submetidos ao algoritmo genético para que o mesmo gerasse um modelo de treinamento com 500 indivíduos (sendo 250 Malignos e 250 Benignos). As medidas de validação dos resultados utilizadas são: sensibilidade média, especificidade média e acurácia média. Tabela 2. Resultados obtidos para as 2 Classes utilizando o Algoritmo Genético Treino/Teste Acurácia Sensibilidade Especificidade 80% / 20% 90.34% 90.55% 90.08% Sintetizando os resultados obtidos observa-se o quanto o índice de Brillouin é promissor. Observa-se também que ao utilizarmos o Algoritmo Genético para balancear a classe de treino houve um aumento considerável no resultado, chegando a 90,34% de acurácia, 90,45% sensibilidade e uma especificidade de 90,08%. 4. Considerações Finais Os elevados índices de mortes e registros de ocorrências de câncer de pulmão no Brasil e no mundo demonstram a importância do desenvolvimento de pesquisas com o objetivo de produzir recursos para um diagnóstico precoce da doença propiciando dessa forma um tratamento mais adequado. Este trabalho apresentou uma metodologia CADx para o diagnóstico de nódulos pulmonares em imagens de tomografia computadorizada através da caracterização destes nódulos a partir da extração de medidas de textura obtidas com o cálculo do Índice de Brillouin juntamente com as abordagens de máscaras internas e externas. Foi utilizado o Algoritmo Genético para a gera um modelo de treinamento balanceado. Após isso, comparou os resultados obtidos na classificação com a MVS. Os resultados apresentados demonstram o desempenho promissor da metodologia desenvolvida na tarefa de diagnóstico de nódulos pulmonares. Foram obtidos valores de 90,45% de sensibilidade média, 90,08% de especificidade média e 90,34% de acurácia média. Por fim, a metodologia apresentada neste trabalho poderá integrar uma ferramenta CAD/CADx a ser aplicada na detecção e diagnóstico de câncer pulmonar, no intuito de

6 classificar os nódulos em maligno e benigno. Dessa forma tornando mais ágil e menos exaustiva a análise de exames pelos especialistas. Referências Armato, S. G., Geoffre, M., & et al. (2011). The lung image database consortium (lidc) and image database resource initiative (idri): a completed reference database of lung nodules on ct scans. Med Phys, 38, URL: com/nih/lung-image-database-consortium-lidc/ html. Chang, C. C., & Lin, C. (2013). LIBSVM a library for support vector machines. Available at cjlin/libsvm/. Hansell, D. M., Bankier, A. A., MacMahon, H., McLoud, T. C., Muller, N. L., & Remy, J. (2008). Fleischner society: Glossary of terms for thoracic imaging. Radiology, 246, URL: /radiol doi: /radiol arxiv: PMID: Jing, Z., Bin, L., & Lianfang, T. (2010). Lung nodule classification combining rule-based and svm. In Bio-Inspired Computing: Theories and Applications (BIC-TA), 2010 IEEE Fifth International Conference on (pp ). doi: /bicta Melo, A. S. (2008). What do we win confounding species richness and evenness in a diversity index? Biota Neotropica, 8. URL: abstract?point-of-view+bn Pietka, E., Gertch, A., & Witko, K. (2005). Informatics infrastructure of cad system. Computerized medical imaging and graphics, 23, de Sampaio, W. B., Silva, A. C., de Paiva, A. C., & Gattass, M. (2015). Detection of masses in mammograms with adaption to breast density using genetic algorithm, phylogenetic trees, LBP and SVM. Expert Syst. Appl., 42, URL: doi: /j.eswa Scholkopf, B., & Smol, A. (2002). Support vector machines, regularization, optimization, and beyond, mit press. de Sousa Carvalho, P. M., de Paiva, A. C., & Silva, A. C. (2012). Classification of breast tissues in mammographic images in mass and non-mass using mcintosh s diversity index and SVM. In Machine Learning and Data Mining in Pattern Recognition - 8th International Conference, MLDM 2012, Berlin, Germany, July 13-20, Proceedings (pp ). URL: \_38. doi: / \_38.