Resumo: | Para haver uma maior chance de sobrevivência, é recomendável o diagnóstico precoce
dos tumores cerebrais. Por exemplo, os glioblastomas, um dos tumores cerebrais mais
agressivos, possuem uma taxa de sobrevivência menor que 20% para um período de 5 anos
após o diagnóstico. Por isso, é necessário um acompanhamento médico periódico. Uma
opção comum e não-invasiva para o diagnóstico é por meio de Imagens de Ressonância
Magnética (Magnetic Resonance Images - MRIs) para a detecção de tumores.
A análise das imagens requer um especialista. No entanto, até mesmo especialistas estão
sujeito a erros. Há vários relatos na literatura médica sobre erros de especialistas. Além
disso, a tarefa de detectar o tumor para o diagnóstico também consome tempo. Uma forma
de evitar esses erros, reduzir o tempo necessário para o diagnóstico e garantir uma maior
segurança e precisão no diagnóstico é por meio da detecção automática de tumores usando
técnicas de processamento de imagens e redes neurais.
Esse trabalho propõe o uso de redes neurais em MRIs de cérebros para detecção e segmen tação de tumores cerebrais. Implementamos algumas das arquiteturas mais populares no
banco de dados público BRATS. Esse trabalho também demonstra como a degradação
tem um efeito preocupante na segmentação semântica por reduzir a qualidade das MRIs e
o desempenho das redes.
Por exemplo, uma fonte comum de degradação é a movimentação do paciente durante a
aquisição da imagem, que pode tornar a imagem mais degradada quanto mais movimentos
o paciente faz, dependendo da rotação e translação de cada movimento. Nas simulações
dessa degradação, quando aumentamos o número de movimentos de 1 para 10 do paciente,
para a arquitetura menos robusta às degradações, a Residual U-net, há uma queda de
aproximadamente 16% na média do coeficiente Dice de todas as classes e um aumento de
11,1 da média da distância de Hausdorff de todas as classes. Na mesma simulação, para a
arquitetura mais robusta às degradações, a V-net, a queda da média do coeficiente Dice
foi de 9% e o aumento da média da distância de Hausdorff foi de 3,8. Outras degradações, como o ruído gaussiano, tiveram uma variação menor mas igualmente
notável. Quando o desvio padrão do ruído gaussiano aumentou de 0, 065 para 0, 65, houve
uma uma queda de 3,7% no coeficiente Dice e um aumento da distância de Hausdorff de
1,75. Para a V-net, a diminuição da média do coeficiente Dice foi de 2% e o aumento da
média da distância de Hausdorff. foi de 1,2. Assim, para diminuir o desempenho da rede, é
necessária uma alta intensidade da degradação. |