A nova ferramenta
de análise localiza imagens médicas por similaridade, identificando exames de Rx
e tomografias mais próximos das análises realizadas pelos especialistas
humanos.
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.
Por Rosemeire
Soares Talamone
Agência
USP em 02/08/2010
Imagem: Ag.USP
Caro
leitor,
Qual
é a sua opinão sobre este assunto?
Gostaria
de acrescenta algo?
Participe, deixe seu
comentário.
Referência:
Site: Diário da Saúde
