Análise de imagens médicas
Pesquisadores brasileiros desenvolveram um conjunto de fórmulas matemáticas mais abrangentes e precisas para serem utilizadas em sistemas de apoio ao diagnóstico médico.
A nova ferramenta de análise permite que a busca de imagens por similaridade em bancos de dados, como exames de Rx e tomografias, por exemplo, gere resultados mais próximos das análises realizadas pelos especialistas humanos (no caso, os radiologistas).
Segundo o professor Joaquim Cezar Felipe, um dos autores da pesquisa, a forma mais tradicional de busca de imagens médicas em bases de dados é feita por intermédio do identificador do paciente ou dos exames realizados pelo mesmo, que podem conter dezenas ou centenas de imagens.
Este tipo de busca não permite que a análise e a avaliação de casos e diagnósticos semelhantes sejam realizadas diretamente com base na similaridade entre as imagens.
Matemática médica
Os sistemas de recuperação de imagens baseados na similaridade de seu conteúdo realizam comparações diretas entre as imagens do banco, porém apresentam, muitas vezes, discrepâncias entre os seus resultados e aqueles obtidos na análise visual feita pelos radiologistas.
"O que fizemos foi estabelecer um ferramental matemático, um novo conjunto de funções de distância, que permite comparar imagens a partir da representação das mesmas nos sistemas de recuperação por conteúdo, usando vetores numéricos relacionados a determinadas características intrínsecas, tais como textura, formato e cor. Uma vez obtidos os vetores de características das imagens, as funções de distância são usadas para medir a similaridade entre as mesmas a partir da comparação matemática entre esses vetores", explica o professor.
Esses vetores de características, continua ele, "são tratados como se fossem pontos localizados no espaço cartesiano. A distância entre eles acaba determinando o grau de dissimilaridade entre as imagens, ou seja, quanto mais próximos esses pontos mais similares são as imagens que eles representam."
Busca de imagens médicas
O pesquisador acrescenta que "existem várias formulações matemáticas que podem ser usadas para medir distâncias, sendo que a mais tradicional das funções é a Euclidiana." Ela define a distância entre dois pontos pelo comprimento do segmento de reta que os une. "Nossa proposta consistiu na definição de uma nova família de funções de distância que podem ser ajustadas a diferentes contextos de aplicação, de forma a gerar resultados perceptualmente mais próximos do que os médicos especialistas esperam obter ao realizar uma busca por similaridade, ou seja, mais próximos das buscas realizadas por eles de forma manual."
Felipe apresentou uma opção para que, nos sistemas de busca, o usuário possa ter uma forma parecida com a avaliação que ele faz quando busca uma imagem por similaridade. "Normalmente os bancos de imagens contêm grande volume e torna-se humanamente impossível essa busca de forma manual. Por isso, desenvolvemos essa família de funções que comparam as imagens a partir de uma referência e que podem ser aplicadas em sistemas de auxílio de diagnóstico. A ideia é apoiar e facilitar o trabalho do especialista, funcionando como uma segunda opinião."
Google da Medicina
Para validar o seu trabalho, os pesquisadores contaram com a participação de um grupo de radiologias que, a partir de uma imagem de referência, avaliaram e classificaram o grau de semelhança de algumas dezenas de outras imagens.
Paralelamente, a mesma classificação de similaridade foi realizada, utilizando um aplicativo computacional, as funções de distância já existentes e aquelas criadas pelos pesquisadores. "A conclusão foi que, com o ajuste dos parâmetros que compõem a nova família de distâncias, foi possível definir uma função específica que se mostrou mais próxima da percepção dos radiologistas do que aquelas tradicionalmente utilizadas", diz Felipe.
Algoritmos
O artigo Uma nova família de funções de distância para recuperação perceptual de imagens médicas baseada em similaridade, que traz esses resultados, foi publicado no Journal of Digital Imaging, da Society for Imaging Informatics in Medicine. Os editores da publicação o escolheram como o melhor artigo das edições do Journal em 2009.
Para o pesquisador, o artigo é o resultado de um estudo de cinco anos que buscou aproximar a precisão dos algoritmos computacionais, que recuperam imagens por similaridade, das subjetivas técnicas comparativas que o médico utiliza quando analisa imagens. "Trabalhamos na tentativa de reduzir o hiato semântico dos diferentes contextos de análise de imagens, por meio da aproximação com o que o usuário faz, considerando diferentes ambientes e situações específicas, o que aumenta a precisão dos algoritmos na busca baseada em similaridade."
O trabalho foi feito por cientistas da Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto (FFCLRP) e do Instituto de Ciências Matemáticas e de Computação de São Carlos, com apoio do Centro de Ciências das Imagens do Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto.
Rosemeire Soares Talamone - Agência USP
Nenhum comentário:
Postar um comentário