Autor(es):
Alex F. Araujo 
; Aledir Silveira Pereira ; Norian Marranghello ; João Manuel R. S. Tavares
Data: 2010
Identificador Persistente: http://hdl.handle.net/10216/55164
Origem: Repositório Aberto da Universidade do Porto
Assunto(s): Ciências tecnológicas; Tecnologia; Tecnologia de computadores; Processamento de imagem
Descrição
O processamento e a análise computacional de imagens adquiridas por sistemas de imagem médica tem proporcionado o surgimento de várias soluções para auxiliar de forma mais rápida e eficiente os especialistas médicos no diagnóstico de doenças e no seguimento das mesmas ao longo do tempo. Como exemplo, tem-se o processamento e análise de imagens de lesões de pele, que vem ganhando relevância devido à elevada importância do seu diagnóstico adequado e precoce. Frequentemente, para o diagnóstico destas lesões a partir de imagens, os dermatologistas utilizam-se da regra do ABCD: trata-se de considerar no seu diagnóstico a assimetria (A), a irregularidade da borda (B), a variação interna da coloração (C) e o diâmetro da região da possível lesão (D) [3]. Assim, pode-se usar técnicas de processamento de imagem para segmentar as bordas de tais regiões e extrair as suas características de diagnóstico usando técnicas de análise de imagem e deste modo auxiliar o especialista. Diante disso, propõe-se neste trabalho, um procedimento de segmentação de imagens de lesões de pele, através da utilização de métodos de suavização anisotrópica e de crescimento de regiões, para pré-processar as regiões a serem segmentadas e extrair aproximações iniciais dos seus contornos, e de contornos ativos, para obter os contornos finais dessas regiões por refinamento das aproximações iniciais respeitando a rugosidade original dos mesmos.
O método de crescimento de região usado foi o algoritmo de quadtree [2], adotando a média da intensidade de cor como parâmetro de controle do crescimento. Este algoritmo divide recursivamente cada quadrante da imagem original, tomando como entrada a imagem inteira, até que a média da intensidade de cor dos pixels de cada área seja menor do que o limiar retornado pelo método de binarização de Otsu [2, 4]. Na sequência, une-se as regiões semelhantes, separando as partes associadas a possíveis lesões das associadas a pele saudável. A curva exterior das regiões agrupadas possui a mesma topologia da borda da provável lesão de pele, devendo ser refinada para envolver corretamente a região de pele doente e representar adequadamente a sua rugosidade. Para realizar o refinamento da curva inicial usa-se o método de contornos ativos [3]. Resultados experimentais, mostram que esta abordagem computacional é capaz de detectar automaticamente as regiões de possíveis lesões de pele e extrair os seus contornos, mantendo adequadamente a sua rugosidade e irregularidade originais.
