Use este identificador para citar ou linkar para este item: https://repositorio.unipampa.edu.br/jspui/handle/riu/1818
Tipo: Trabalho de Conclusão de Curso
Título: Representação baseada em superpixels para a segmentação de lesões melanocíticas em imagens macroscópicas
Autor(es): Freitas, Dhyonatan Santos de
Primeiro Orientador: Flores, Eliezer Soares
Resumo: O melanoma é um tipo de câncer de pele com altas taxas de mortalidade, devido a sua capacidade de formação de metástase. É importante que seu diagnóstico seja realizado nos primeiros estágios da doença. Sistemas computacionais vem sendo propostos por pesquisadores da área de visão computacional como uma alternativa capaz de auxiliar médicos dermatologistas em seus diagnósticos. Esses sistemas geralmente dependem de uma segmentação adequada da região que delimita a lesão de pele. Neste trabalho, um método não supervisionado para segmentar lesões melanocíticas em imagens macroscópicas é apresentado. Inicialmente, para reduzir as áreas sombreadas e artefatos indesejáveis, os efeitos de sombra são atenuados na imagem macroscópica e uma pré-segmentação é obtida usando uma representação baseada em superpixels. Em seguida, cada superpixel é representado por um conjunto de características utilizando informações dos canais R, G e B do espaço de cores RGB. Na etapa de segmentação, o método de corte normalizado em grafos e um classificador SVM, são utilizados para separar o conjunto de superpixels em duas classes, lesão e não-lesão. Por fim, métodos de pós-processamento que utilizam como base a morfologia matemática são aplicados com a finalidade de melhorar a segmentação obtida. Os resultados baseados em uma base de imagens bastante utilizada, demonstram que a metodologia proposta fornece resultados satisfatórios em termos da acurácia, especificidade e erro XOR.
Abstract: Melanoma is a type of skin cancer with high mortality rates due to its ability to form metastasis. It is important that the diagnosis be made in the early stages of the disease. Computational systems have been proposed by researchers in the area of computer vision as an alternative capable of assisting dermatologists in their diagnoses. These systems generally depend on a proper segmentation of the region that delimits the skin lesion. In this work, an unsupervised method for segmenting melanocytic lesions in macroscopic images is presented. Initially, to reduce shaded areas and undesirable artifacts, shadow effects are attenuated in the macroscopic image and a pre-segmentation is obtained using a superpixel-based representation. Each superpixel is then represented by a features set using information from the R, G and B channels of the RGB color space. In the segmentation step, the normalized graph cut method and SVM classifier are used to separate the set of superpixels into two classes, lesion and non-lesion. Finally, post-processing methods based on mathematical morphology are applied in order to improve the obtained segmentation. The results based on a widely used image base demonstrate that the proposed methodology provides satisfactory results in terms of accuracy, specificity and XOR error.
Palavras-chave: Ciência da computação
Câncer
Melanoma
Imagens macroscópicas
Computer science
Macroscopic images
Segmentação
Segmentation
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma: por
País: Brasil
Editor: Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Alegrete
Citação: FREITAS, Dhyonatan Santos de. Representação baseada em superpixels para a segmentação de lesões melanocíticas em imagens macroscópicas. 46p. 2016. Trabalho de Conclusão do Curso (Graduação em Ciência da Computação) - Universidade Federal do Pampa, Campus Alegrete, Alegrete, 2016.
Tipo de Acesso: Acesso Aberto
URI: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/1818
Data do documento: 1-Dez-2016
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Representação Baseada em Superpixels para a Segmentação de Lesões Melanocíticas em Imagens Macroscópicas.pdf27.49 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.