Banca de DEFESA: ELINEIDE SILVA DOS SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ELINEIDE SILVA DOS SANTOS
DATA: 28/05/2021
HORA: 08:30
LOCAL: Sala Virtual do Google Meet: meet.google.com/gcv-wruc-hxb
TÍTULO: Segmentação Semi-automática de Lesões de Pele com Base em Superpixels e Informações de Textura
PALAVRAS-CHAVES: Segmentação de imagens. Diagnóstico auxiliado por computador. Lesão de pele. Informações de textura.
PÁGINAS: 67
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de Computação
RESUMO:

O diagnóstico de doenças de pele é feito principalmente por meio da visualização de imagens

dermatoscópicas. Nesse contexto, vários sistemas computacionais para processamento e

análise de imagens de lesões de pele foram estudados e desenvolvidos. Tais sistemas

aplicam a segmentação de imagens com lesão como etapa fundamental em suas abordagens.

Este trabalho apresenta um método semi-automático que pode auxiliar o médico no

monitoramento da evolução das lesões de pele. A metodologia proposta pré-segmenta

imagens com lesões cutâneas utilizando o algoritmo SLIC0 para a geração de superpixels.

Depois disso, cada superpixel é representado na forma de um vetor de atributos usando

um descritor formado por uma combinação das características de textura GLCM e tamura.

Essas características foram selecionados com base em um estudo empírico em que, além

desses descritores, foram avaliados os descritores GLRLM, geoestatística e LBP. Os vetores

de atributos, representando cada superpixel, foram utilizados como entrada para o algoritmo

SFc-means (seeded fuzzy C-means). Esse algoritmo de agrupamento semissupervisionado

usa determinadas regiões marcadas por especialistas para agrupar os superpixels em

regiões de lesão ou plano de fundo. Finalmente, a imagem segmentada passa por uma

etapa de pós-processamento usando técnicas de morfologia matemática e um contorno

ativo geodésico para eliminar ruídos e suavizar bordas. Os experimentos foram realizados

em 3974 imagens: 2995 imagens das bases de dados PH2, DermIS e ISIC 2018 foram

utilizadas para estabelecer os parâmetros do método, e 979 imagens dos conjuntos de

dados ISIC 2016 e ISIC 2017 que foram utilizadas para a análise de desempenho. Os

resultados mostraram que, ao utilizar apenas 1% dos superpixels, o método pode atingir

uma acurácias de segmentação média de 95,97%, proporcionando desempenho superior aos

métodos apresentados na literatura para essas bases de dados. Assim, embora o método

proposto exija a intervenção do usuário, fornece resultados de segmentação muito perto de

sua delimitação manual, e é significativamente mais fácil e menos demorado comparado

com a segmentação manual.

MEMBROS DA BANCA:
Interno - 1350246 - KELSON ROMULO TEIXEIRA AIRES
Interno - 1642492 - LAURINDO DE SOUSA BRITTO NETO
Externo à Instituição - LUCAS FERRARI DE OLIVEIRA - UFPR
Presidente - 1579396 - RODRIGO DE MELO SOUZA VERAS