83
In e ciência
& Sociedade
CARACTERIZAÇÃO DE LESÕES DE PELE EM IMAGENS DIGITAIS A
PARTIR DA MÁQUINA DE VETOR DE SUPORTE
RESUMO: Es e abalho ap esen a um mé odo pa a a ca ac e ização das lesões de pele, a pa i das
ca ac e ís icas da eg a ABCD (assime ia, bo da, co e diâme o) e análise de ex u a. As ca ac e ís-
icas ABCD são ob idas de aco do com o de ma ologis a e a ex u a das imagens é de inida pela sua
dimensão ac al, po meio do mé odo box-coun ing. As ca ac e ís icas de assime ia e ex u a ex aídas
das imagens são u ilizadas como en adas pa a o classi icado SVM (Máquina de Ve o de Supo e),
que é uma écnica baseada em ap endizado es a ís ico, u ilizada pa a o econhecimen o de pad ões
em imagens. O SVM classi ica a assime ia das lesões em simé ica ou assimé ica e a ex u a das
lesões em lisa ou ugosa. Todas as in o mações e e en es as ca ac e ís icas ex aídas da lesão são
passadas ao de ma ologis a com o in ui o de auxiliá-lo no diagnós ico.
PALAVRAS-CHAVE: lesões de pele, il o mediana, Chan-Vese, SVM, dimensão ac al, box-coun ing.
OLIVEIRA, Robe a Ba bosa
Uni e sidade Es adual Paulis a (UNESP)
obyoli ei a1@gmail
GUIDO, Rod igo Capobianco
Uni e sidade Es adual Paulis a (UNESP)
[email p o ec ed]
MARRANGHELLO, No ian
Uni e sidade Es adual Paulis a (UNESP)
[email p o ec ed]
ARAUJO, Alex F. de
Faculdade de Engenha ia da Uni e sidade do Po o (FEUP)
[email p o ec ed]
TAVARES, João Manuel R. S.
Faculdade de Engenha ia da Uni e sidade do Po o (FEUP)
[email p o ec ed]
ROSSETTI, Rica do Bacca o
Clínica DERM
[email p o ec ed]
PEREIRA, Aledi Sil ei a
Uni e sidade Es adual Paulis a (UNESP)
[email p o ec ed]
ABSTRACT: This pape p esen s a me hod o he cha ac e iza ion o skin lesions, om he cha ac-
e is ics o he ABCD ule (asymme y, bo de , colo and diame e ) and ex u e analysis. The ABCD
cha ac e is ics a e ob ained acco ding o he de ma ologis and he ex u e o images is de ined by i s
ac al dimension h ough he box-coun ing me hod. The asymme y and ex u e ea u es ex ac ed om
he images a e used as inpu s o he SVM classi ie (Suppo Vec o Machine) which is a echnique ba-
sed on s a is ical lea ning, used o ecognizing pa e ns in images. The SVM classi ies he asymme y
o lesions in symme ical o asymme ical and he ex u e o lesions in smoo h o ough. All in o ma ion
ela ed he ex ac ed ea u es o he lesion a e a ailable o he de ma ologis in o de o assis in his
diagnosis.
KEYWORDS: skin lesions, Chan-Vese, SVM, ac al dimension, box-coun ing.
In e ciência
& Sociedade
84
INTRODUÇÃO
O núme o de casos de cânce es
em aumen ado cada ez mais, con o me
ap esen ado na es ima i a de incidência de
cânce no B asil, pa a ano de 2012 e am-
bém em 2013, ealizada pelo Ins i u o Na-
cional de Cânce (INCA) (MINISTÉRIO DA
SAÚDE, 2011). O cânce de pele co es-
ponde a 29% dos umo es malignos egis-
ados no país, sendo o de maio incidência.
O g ande núme o de casos de cânce mo-
i a am a cons ução de sis emas compu a-
do izados pa a auxilia os de ma ologis as
no diagnós ico de lesões de pele. Es es sis-
emas em como o obje i o p incipal anali-
sa as lesões benignas, pa a e i a o seu
desen ol imen o, ou diagnos ica as lesões
malignas em seu es ágio inicial, pa a se em
a adas p ecocemen e, pe íodo onde em
mais chances de cu a.
No diagnós ico de ma ológico as
lesões são examinadas clinicamen e, u i-
lizando p imei amen e a écnica de análi-
se das ca ac e ís icas ABCD (assime ia,
bo da, co e diâme o) e ex u a, pa a en-
ão diagnos icá-las e a á-las (WOLFF e
al., 2006). Pa a acili a es e p ocesso, os
de ma ologis as podem dispo de sis emas
compu acionais, que analisam as ca ac e-
ís icas das lesões de o ma mais p ecisa,
u ilizando imagens digi ais, ob idas pelo
mesmo, pa a auxilia no seu diagnós ico.
Pa a a cons ução des es sis emas são
mui o u ilizadas écnicas de p ocessamen-
o de imagens digi ais e sis emas in eligen-
es, ais como, il o mediana, pa a diminui
o e ei o dos uídos nas imagens, o modelo
Chan-Vese pa a iden i ica a á ea doen e e
a máquina de e o de supo e (SVM) pa a
classi ica as lesões de pele. O uso des as
écnicas possibili am uma análise mais á-
pida e in o mações mais p ecisas sob e as
ca ac e ís icas das lesões e po essa azão
são emas de di e sos abalhos pa a de-
ecção e classi icação de lesões de pele [2,
7, 12, 15, 17 e 20].
Um sis ema au omá ico pa a análi-
se de lesões pigmen adas e diagnós ico de
melanoma a pa i de imagens adqui idas
po câme a digi al oi desc i o po Alcón e .
al. (2009). Essa combinação ob e e 86%
de p ecisão. Cudek e . al. (2010) ap esen a
um mé odo pa a iden i ica lesões de pele
a pa i de imagens digi ais usando a e-
g a ABCD. A segmen ação p opos a ob e-
e 92% de de ecção co e a. Maglogiannis
e Doukas (2009) ap esen am sis emas de
isão compu acional pa a ca ac e ização
de lesões de pele. Na classi icação en e
melanoma e ne o displásico a SVM ob e e
100% de p ecisão. Na classi icação en e
ne os displásicos e lesões não displásicas,
a SVM ob e e 76,08%. Na classi icação
en e esses ês ipos de lesões a SVM ob-
e e 77,06% de p ecisão. Um mé odo pa a
de ecção de bo da em imagens de ma os-
copicas de lesões melanocí icas e não me-
lanocí icas é p opos o po No on e Colabo-
ado es (2010). A a aliação des e mé odo
oi de 84,5% de ace o pa a as lesões não
melanocí icas e 93,9% pa a as lesões me-
lanocí icas. Rahman, Bha acha ya e Desai
(2008) combina am di e en es classi icado-
es pa a o econhecimen o de melanoma
em imagens de ma oscopicas. A SVM com-
binada com a p obabilidade máxima gaus-
siana e o k izinhos mais p óximos ob e e
62,50% de ace o pa a os ne os comuns,
77,14% de ace o pa a os ne os displásicos
e 83,75% de ace o pa a os melanomas.
Com o obje i o de auxilia o de ma-
ologis a no seu diagnós ico, es e abalho
ap esen a um mé odo pa a ca ac e iza le-
sões de pele a pa i de imagens o og á i-
cas, ais como ne os, ce a ose sebo éica e
melanoma, u ilizando máquina de e o de
supo e (SVM).
1. Ca ac e ís icas das lesões de pele
As lesões de pele podem se di e-
enciadas em benigna ou maligna, con o -
me suas ca ac e ís icas, analisadas pelos
de ma ologis as. A eg a ABCD (assime ia,
bo da, co e diâme o) e a análise de ex u a
são mui o u ilizadas pelos de ma ologis as
pa a analisa lesões de pele a pa i de ima-
gens o og á icas, con ibuindo pa a o diag-
nós ico clínico. A demons ação des a eg a
é ap esen ada na Tabela 1.
OLIVEIRA, R. B.; GUIDO, R. C.; MARRANGHELLO, N.; ARAUJO, A. F.; TAVARES, J. M. R.
S.; ROSSETTI, R. B.; PEREIRA, A. S.
85
In e ciência
& Sociedade
Na ca ac e ís ica de assime ia (A)
lis ada na linha “A” conside a-se a maio dis-
ância en e os pon os do con o no da lesão
e aça-se uma e a sob e a mesma, pa a
que possa se analisada a simila idade en-
e as duas pa es di ididas. Quando essas
pa es são semelhan es, a ca ac e ís ica de
assime ia é conside ada simé ica, que ge-
almen e ep esen a as lesões benignas. No
caso des as pa es se em mui o di e en es,
es a ca ac e ís ica é assimé ica, ca ac e i-
zando lesões malignas. A bo da (B) consi-
de ada egula ep esen a lesões benignas
e a bo da i egula ge almen e de inem as
lesões malignas, assim como mos ado na
linha “B”. No caso da ca ac e ís ica de Co
(C), as lesões benignas ge almen e pos-
suem apenas uma onalidade e já as ma-
lignas possuem á ias onalidades, como
pode se is o na linha “C”. A ca ac e ís ica
de Diâme o (D), especi icada na linha “D”,
das lesões benignas são meno es, a é 6
mm e das malignas são iguais ou maio es
que 6 mm.
No caso da ex u a, as lesões do
ipo ce a ose sebo éica (lesão benigna)
são mui o i egula es, sendo sua p incipal
ca ac e ís ica, e já os ne os melanocí icos
(lesão benigna) e melanoma (lesão malig-
na) não são ão i egula es(CUCÉ e al.,
2001).
2. Ca ac e ização das lesões
O mé odo desen ol ido em po
obje i o auxilia o de ma ologis a no seu
diagnós ico. São disponibilizadas in o ma-
ções e e en es às p incipais ca ac e ís icas
das lesões de pele. Na Figu a 1 pode se
is a a es u u a do mé odo desen ol ido
nes e abalho.
A p imei a e apa do mé odo de-
sen ol ido é a sua ização das imagens po
meio do il o mediana, pa a elimina os u-
ídos p esen es nas mesmas. Depois é ea-
lizada a segmen ação, u ilizando o modelo
de con o no a i o sem bo da Chan-Vese
(CHAN; VESE, 2001), pa a de ec a a le-
são. Pa a sua iza a bo da e elimina uí-
dos esul an es do p ocesso de segmen a-
ção, são aplicados il os mo ológicos nas
imagens. A pa i da de ecção da lesão, as
ca ac e ís icas da eg a ABCD e a ex u a
são ex aídas. As ca ac e ís icas de assime-
ia e ex u a são passadas ao SVM pa a as
lesões se em classi icadas em suas de e -
minadas classes, simé ica ou assimé ica e
egula ou i egula , espec i amen e.
Ca ac e ização de lesões de pele em imagens digi ais a pa i da máquina de e o de supo e
Ca ac e ís icas Lesões benignas Lesões malignas
AAssime ia Simé ica
Assimé ica
BBo da Regula I egula
CCo Única
onalidade
Vá ias
onalidades
DDiâme o Meno que
6 mm
Acima de 6
mm
Tabela 1. Demons ação da eg a ABCD [adap ado de 18].
In e ciência
& Sociedade
86
2.1 Sua ização
Nes a e apa oi ealizada a sua i-
zação nas imagens da base, com o in ui o
de ameniza os e ei os dos uídos p esen-
es, como pelos e linhas da pele, que po-
dem a apalha no esul ado da segmen-
ação. Foi u ilizado o il o mediana, que é
conside ado um mé odo não-linea , ou seja,
além de sua iza a imagem, ambém ealça
os con o nos (GONZALEZ; WOODS, 2002).
A aplicação des e il o consis e em de ini a
in ensidade de cada elemen o da imagem,
pela mediana da sua izinhança de aco do
com a másca a, de inida com dimensão 7 X
7, que ob e e melho esul ado de sua iza-
ção. Nas imagens da Figu a 2(b) pode se
is o o esul ado da sua ização aplicada em
imagens o iginais, con o me a Figu a 2(a),
con endo lesões do ipo melanoma. A p e-
sença dos uídos (pelos) oi amenizada.
2.2. Segmen ação
A écnica u ilizada pa a a segmen-
ação das imagens nes e abalho é o mo-
delo de con o no a i o sem bo da, p opos-
o po Chan e Vese (CHAN; VESE, 2001),
que é aplicado po meio da minimização
de ene gia da cu a sob epos a à imagem.
A segmen ação des e modelo é baseada
em egião, e u iliza concei os das écnicas
de (MUMFORD; SHAH, 1989) e Le el Se
(OSHER; SETHIAN, 1988) pa a sepa a a
egião doen e da egião saudá el.
São á ias as an agens des e mé-
odo, que pe mi e que seu uso enha bons
esul ados: a de ecção de di e en es obje-
os com a iadas in ensidades e ainda com
on ei as bo adas; mudança opológica da
cu a; de ecção de obje os onde o con o no
não possui g adien e, isso não é possí el
com a u ilização do modelo de con o no a i-
o adicional (KASS e al., 1988); e em-se
um bom esul ado na de ecção dos obje os
em imagens com uídos.
Figu a 1: Diag ama do mé odo desen ol ido
pa a ca ac e ização de lesões de pele.
OLIVEIRA, R. B.; GUIDO, R. C.; MARRANGHELLO, N.; ARAUJO, A. F.; TAVARES, J. M. R.
S.; ROSSETTI, R. B.; PEREIRA, A. S.
87
In e ciência
& Sociedade
Pa a a aplicação des e modelo a
imagem sua izada em RGB é ans o ma-
da em ní eis de cinza e en ão de inida uma
cu a sob e a mesma. A o ma inicial da
cu a é quad ada com dimensão 140×140,
posicionada p óxima ao cen o da imagem,
des a o ma são ealizadas menos i e a-
ções pa a a cu a en ol e comple amen e
a lesão. Fo am de inidas 500 i e ações pa a
a e olução da cu a, ou seja, a minimização
da mesma oco e á a é o núme o de i e a-
ções ou quando a cu a es i e localizada
sob e o obje o. O esul ado da aplicação do
modelo Chan-Vese possibili a a bina ização
da imagem, como pode se is o nas ima-
gens da Figu a 2(c).
2.3. Pós-p ocessamen o
Fil os mo ológicos são aplicados
nas imagens bina izadas pa a a á-las, eli-
minando uídos in e nos e ex e nos a lesão.
Esses uídos são p o enien es das imagens
com pelos, que não o am eliminados no
p ocesso de sua ização, ou e lexos. Mas
no caso dos e lexos, pode se conside a-
do que não es a ão p esen es nas imagens
quando o em adqui idas co e amen e.
Os il os u ilizados nes e abalho
o am a abe u a seguida do echamen o,
u ilizando um elemen o es u u an e em
o ma de elipse, com os dois aios iguais a
qua o, pa âme os que pe mi i am melho-
es esul ados na e apa de pós-p ocessa-
men o. A aplicação desses il os em como
in ui o sua iza a bo da, além de elimina os
uídos. O esul ado do pós-p ocessamen o
pode se is o nas imagens da Figu a 2(d)
a pa i das imagens segmen adas da Figu-
a 2(c). A bo da oi sua izada e os uídos
ex e nos a lesão o am eliminados. Os uí-
dos in e nos da lesão não o am eliminados
comple amen e nos casos onde o elemen o
es u u an e e a meno que os uídos, aca -
e ando a de inição de bo das alsas.
Depois de ealizado es e p ocesso,
o con o no é de inido, como ap esen ado na
Figu a 2(e). O con o no (linha b anca) e-
p esen a as delimi ações e i egula idades
da bo da, sendo impo an e pa a que as ca-
ac e ís icas da lesão possam se ex aídas,
sem in luência da pele.
2.4. Ex ação das ca ac e ís icas ABCD e
ex u a
A pa i do con o no da egião seg-
men ada pode-se ex ai as ca ac e ís icas
(a) (b) (c) (d) (e)
Figu a 2: Resul ado da aplicação do mé odo desen ol ido: (a) imagem o iginal, (b) imagem sua iza-
da, (c) imagem segmen ada, (d) imagem pós-p ocessada e (e) de ecção do con o no da lesão.
Ca ac e ização de lesões de pele em imagens digi ais a pa i da máquina de e o de supo e

In e ciência
& Sociedade
88
ABCD (assime ia, bo da, co e diâme o) e
ex u a da lesão associada, que são mui o
u ilizadas pelos de ma ologis as pa a di e-
encia lesões benignas das malignas.
2.4.1. Assime ia
Pa a ex ai as ca ac e ís icas da
assime ia o am u ilizados apenas os pon-
os que azem pa e da bo da da lesão. A
dis ância euclidiana (GONZALEZ; WOODS,
2002) oi aplicada pa a calcula as dis ân-
cias en e odos os pa es de pixels da bo da
da lesão, pa a de ini a maio diagonal ,
ep esen ada pela e a ama ela na imagem
da Figu a 3(a). Des a o ma a lesão é di idi-
da em duas pa es (ARAUJO, 2010).
(a) (b)
Figu a 3: Ca ac e ís icas de lesões de pele: (a) ep esen ação da Assime ia e (b) ep esen ação da
assina u a da bo da.
Fo am encon adas as pe pendi-
cula es de cada pon o da diagonal com
o seu de e minado pon o do con o no, pa a
as duas pa es da lesão. Fo am es abele-
cidas duas e as, pe pendicula a diagonal,
como no exemplo ap esen ado na Figu a
3(a), que são ep esen adas pela linha azul
e a linha e melha . A quan idade de
pe pendicula es de cada imagem é di e en-
e, dependendo do amanho da diagonal da
lesão. Conside ando que as in o mações
e e en es as pe pendicula es o mam o e-
o de ca ac e ís ica u ilizada pela SVM pa a
classi ica a ca ac e ís ica de assime ia, o
e o de e possui a mesma quan idade de
ca ac e ís icas pa a odas as imagens. Des-
a o ma, pa a es abelece uma única quan-
idade de pe pendicula es, oi calculado o
nume o de sal os de pon os na diagonal
maio , con o me a quan idade de pe pendi-
cula es desejadas. Sendo:
onde é o núme o de sal os ao pe co e a
diagonal maio pa a encon a as pe pendi-
cula es, é o o al de pe pendicula es
encon adas an e io men e e ep esen a
a quan idade de pe pendicula es deseja-
das, o mando uma conjun o de amos as
de pe pendicula es. Pa a cada pe pendi-
cula do conjun o de amos as é calculado
a dis ância das e as do pon o da diagonal a é
pon o da bo da pe pendicula a ele. En ão,
a ca ac e ís ica que ep esen a cada pe -
pendicula é de inida pela azão en e a dis-
ância meno sob e a maio . Es as ca ac e-
ís icas são passadas ao SVM pa a assim
se em classi icadas.
2.4.2. Bo da
Pa a ex ai in o mações da bo -
da, p imei amen e o am encon ados so-
men e os pon os da mesma, u ilizando a
izinhança de 8, a pa i do p imei o pon o
encon ado. Tendo a sequência co e a dos
pixels da bo da, oi ge ada a sua assina u-
a, ep esen ação unidimensional do con-
o no (GONZALEZ; WOODS, 2002), como
demons ado na Figu a 3(b), onde a lesão
é ap esen ada em e melho. Conside ando
a assina u a da lesão, as in o mações e-
e en es a i egula idade da bo da são de-
inidas pelo p odu o e o ial, que o nece
a quan idade de picos, ales e e as que a
bo da possui (ARAUJO, 2010).
O p odu o e o ial u iliza ês pon-
os ( ) do con o no pa a de ini sua
di eção, com a iação de pixels, sendo
calculado con o me a Equação 2. A aplica-
ção do p odu o e o ial pe mi e de ini se
o segmen o do con o no o mado po ais
pon os é um pico, ale ou e a.
(1)
(2)
OLIVEIRA, R. B.; GUIDO, R. C.; MARRANGHELLO, N.; ARAUJO, A. F.; TAVARES, J. M. R.
S.; ROSSETTI, R. B.; PEREIRA, A. S.
89
In e ciência
& Sociedade
Assim, são conside ados ês pon-
os do con o no ( ), ( ) e ( ),
com um in e alo de qua o pixels ( ),
pa a de ini os picos, ales e e as meno es
e ambém com um in e alo de quinze pi-
xels ( ), pa a ep esen a os maio es.
Pos e io men e, calcula-se o p odu o e o-
ial pa a odos os pon os que ep esen am o
con o no. Associa-se um pico quando o a-
lo é maio que ze o ( ), um ale quan-
do é meno que ze o ( ) ou uma e a
quando é igual a ze o ( ). A quan idade
de ales pequenos e g andes do con o no
da egião lesionada é en ão disponibilizado
ao de ma ologis a pa a que ele possa anali-
sa o quan o i egula é a bo da.
2.4.3. Co
A quan idade de onalidades é a
p incipal ca ac e ís ica da eg a de co . A
imagem RGB pode con e milha es de co-
es. Po esse mo i o oi ealizado a quan i-
zação da mesma pa a eduzi a sua quan-
idade em 10 co es, ou seja, o espaço de
co es é di ido em 10 e os pixels com co es
semelhan es são ep esen ados po uma
única onalidade. A con agem das co es é
ealizada somen e na á ea da lesão. Consi-
de ando que a mesma pode con e alguns
uídos como pelos e e lexos, são desca a-
das as co es que possuem um g upo de a é
100 pixels (ARAUJO, 2010). A quan idade
de onalidades encon adas na lesão é dis-
ponibilizada ao de ma ologis a pa a que ele
possa de ini se a lesão é uni o me ou não.
2.4.4. Diâme o
Conside ando que as imagens do
banco não possuem in o mações e e en es
ao diâme o das lesões, a mesma é ep e-
sen ada pela quan idade de pixels que com-
põem a diagonal maio , calculada pela dis-
ância euclidiana. São analisados odos os
pon os do con o no, pa a de ini quais pa es
de pon os possuem maio dis ância (GON-
ZALEZ; WOODS, 2002). Uma demons a-
ção da maio diagonal é is a na Figu a 3(a)
ep esen ada pela e a ama ela .
2.4.5. Tex u a
O mé odo de ex ação das in o -
mações e e en es à ex u a das lesões de
pele é ob ida pela dimensão ac al das ima-
gens em ní eis de cinza, que quan i ica o
seu ní el de au o-simila idade. Exis em di-
e sas écnicas pa a es e im. Nes e a igo
a dimensão é ob ida po meio do mé odo
box-coun ing (BCM), de ido sua simplici-
dade (AL-AKAIDI, 2004). A dimensão ac-
al é aplicada pa a sinais 1D ( oz, áudio e
ou os), mas ambém pode se aplicada em
imagens (sinais 2D). No caso de imagens,
é encon ada a dimensão de cada linha e
coluna da imagem sepa adamen e e depois
é ei o o soma ó io de odas as dimensões,
di idindo-se o alo pela quan idade o al de
dimensões da imagem. O alo esul an e é
somado com 1, ob endo-se um alo en e 2
e 3 (Equação 3).
Cada imagem é ep esen ada po
um e o com 18 ca ac e ís icas, u ilizadas
pa a ge a um conjun o de amos as, que
se ão u ilizadas pelo SVM, an o pa a o p o-
cesso de einamen o como pa a o de es-
es (Figu a 4(b)).
(3)
(a) (b)
Figu a 4: Ca ac e ís icas da ex u a das lesões de pele: (a) di isão da imagem em 16 pa es iguais e
(b) e o com 18 ca ac e ís icas.
Ca ac e ização de lesões de pele em imagens digi ais a pa i da máquina de e o de supo e
In e ciência
& Sociedade
90
A p imei a ca ac e ís ica é a dimen-
são ac al somen e da á ea lesionada, de-
e minada na segmen ação. A segunda ca-
ac e ís ica ep esen a a dimensão de oda
a imagem. O es an e das ca ac e ís icas
(3 - 18) é compos a da dimensão de cada
uma das 16 pa es iguais a qual a imagem
é di idida (Figu a 4(a)), com o obje i o de
analisa o ní el de au o-simila idade de di-
e en es pa es da imagem sepa adamen-
e. Essa di isão pe mi e ep esen a pelo
menos qua o egiões di e en es da lesão,
quan idade aqui u ilizada pa a analisa sua
ex u a sepa adamen e. As ca ac e ís icas
de ex u a ex aídas das imagens são u i-
lizadas como en adas pa a o classi icado
SVM (Máquina de Ve o de Supo e), pa a
que sejam classi icadas.
2.5 Classi icação da assime ia e ex u a
O SVM é uma écnica baseada
em ap endizado es a ís ico, u ilizada pa a
o econhecimen o de pad ões em imagens
(BURGES, 1988). O algo i mo des e aba-
lho é baseado no ap endizado supe isio-
nado e u iliza a unção de Ke nel gaussia-
na, con o me a Equação 4.
onde e são dois pon os do espaço de
en ada e é um pa âme o in o mado.
As ca ac e ís icas de assime ia
(A) e ex u a ex aídas são u ilizadas como
en adas pa a o classi icado SVM pa a
iden i ica se a lesão é: simé ica ou assimé-
ica; lisa ou ugosa, espec i amen e. Essa
in o mação pode se u ilizada pelo de ma-
ologis a pa a auxiliá-lo em seu diagnós ico.
Conside ando que o SVM é um
mé odo biná io, o sis ema é compos o po
uma máquina, esponsá el po classi ica
assime ia da lesão em simé ica, quando
ob e esul ado +1, ou em assimé ica, en-
do como esul ado -1. Pa a a classi icação,
a máquina ecebe as ca ac e ís icas de as-
sime ia, con o me a quan idade de azões
de pe pendicula es es abelecidas, como
pode se is o na Figu a 5.
(4)
Máquina
Assime ia
Ve o de
ca ac e ís ica
+1
-1
Simé ica
Assimé ica
Figu a 5: Máquina de classi icação de assime ia.
No caso da ex u a, a máquina,
ep esen ada pela Figu a 6, ecebe como
en ada as ca ac e ís icas de ex u a ex a-
ídas. O esul ado sendo +1 de ine a lesão
como lisa e - 1 de ine a lesão como ugosa.
Máquina
Tex u a
Ve o de
ca ac e ís ica
+1
-1
Lisa
Rugosa
Figu a 6: Máquina de classi icação de ex u a.
OLIVEIRA, R. B.; GUIDO, R. C.; MARRANGHELLO, N.; ARAUJO, A. F.; TAVARES, J. M. R.
S.; ROSSETTI, R. B.; PEREIRA, A. S.
91
In e ciência
& Sociedade
As in o mações es abelecidas pela
ex ação de ca ac e ís icas e a Máquina de
Ve o de Supo e pa a a eg a ABCD e ex-
u a são disponibilizadas ao de ma ologis a
com o obje i o de auxiliá-lo no seu diagnós-
ico.
3. Tes es e esul ados
A base expe imen al des e abalho
é o mada po 408 imagens o og á icas,
compos as po imagens do ipo ne o mela-
nocí ico, ce a ose sebo éica e melanoma,
dos seguin es bancos: De mA las (2000),
De mIS (2012) e Saúde o al (2006). Há
duas classes de ex u a: lesões lisas e as
lesões ugosas. Sendo 224 imagens com
ex u a lisa e 184 imagens com ex u a u-
gosa. No caso da assime ia, há 137 lesões
simé icas e 271 assimé icas. As imagens
da base u ilizadas nos es es o am con e -
idas de JPG pa a BMP com 16 bi s e pa a
dimensão 200 x 200, pa a acili a o p o-
cessamen o das mesmas. Na classi icação
u ilizando o SVM o am u ilizadas 50% das
imagens pa a einamen o e os ou os 50%
pa a es es.
A pa i da análise dos esul a-
dos ob idos na segmen ação pelo mé odo
Chan-Vese, pode se conclui que o mé odo
desen ol ido é p omisso , pe mi indo a ex-
ação das ca ac e ís icas pa a sua ca ac e-
ização, apesa de 1,93% das imagens con-
endo lesões do ipo melanoma, 6,45% das
imagens de ne os e 5,81% das imagens
ep esen ando a ce a ose sebo éica não
e em sido de ec adas.
Pa a a eg a de assime ia o am
ealizados ês es es com e o es de ca-
ac e ís icas di e en es (V1, V2 e V3) de en-
ada pa a o classi icado SVM. Foi al e ada
a quan idade de pe pendicula es, no e mo
da Equação 1, pa a 10, 20 e 30 amos as
desejadas. O p imei o e o (V1) é o ma-
do po um conjun o de 10 ca ac e ís icas, o
segundo e o (V2) é compos o po 20 ca-
ac e ís icas e o e cei o e o (V3) co es-
ponde 30 ca ac e ís icas, com coe icien es
en e 0 e 1, que co espondem a azão das
pe pendicula es.
Na Tabela 2 podemos obse a os
esul ados ob idos pa a a assime ia. Pa a
classi ica as imagens em simé ica ou as-
simé ica, o SVM ob e e melho es esul a-
dos u ilizando como en ada o e o com 30
ca ac e ís icas. Com p ecisão de 73,04%
pa a as duas classes co esponden es. No
caso da simé ica o núme o de ace os o-
am maio es do que a assimé ica, endo
84,06% de ace o. O esul ado da p ecisão
é calculado pela média, conside ando a
quan idade de ace os de cada classe e sua
quan idade de imagens.
Tes es Simé ica Assimé ica P ecisão
Ace os E os Ace os E os
V1 63,77% 36,23% 73,33% 26,67% 70,10%
V2 63,77% 36,23% 71,11% 28,89% 68,63%
V3 84,06% 15,94% 67,41% 32,59% 73,04%
Tabela 2. Resul ados da classi icação da assime ia.
Pa a a analise de ex u a o am
passadas pa a o SVM as 18 ca ac e ís icas
ex aídas da imagem, pa a classi ica as
lesões em lisa ou ugosa. O classi icado
ob e e 72,84% de p ecisão pa a as duas
classes. As lesões lisas ob i e am um me-
lho esul ado de ace o do que as ugosas,
endo 74,16% de ace os, como pode se
is o na Tabela 3.
Ca ac e ização de lesões de pele em imagens digi ais a pa i da máquina de e o de supo e