Automatic detection of melanomas using dermoscopy images

Ana Catarina Fidalgo Barata

Informações chave

Autores:

Ana Catarina Fidalgo Barata (Ana Catarina Fidalgo Barata)

Orientadores:

Jorge Dos Santos Salvador Marques (Jorge Dos Santos Salvador Marques); M. Emre Celebi

Publicado em

19/04/2017

Resumo

O melanoma da pele é um tipo de cancro muito agressivo, cuja incidência tem vindo a aumentar em todo o Mundo. O seu diagnóstico pode ser feito recorrendo a uma técnica de imagiologia designada por dermoscopia, que amplia a lesão e permite observar estruturas subcutâneas. Contudo, a utilização desta técnica requer um longo treino, sendo o diagnóstico muitas vezes subjetivo e difícil de reproduzir. Por estes motivos, torna-se necessário desenvolver métodos automáticos de diagnóstico, que possam ser utilizados pelos dermatologistas. O trabalho realizado nesta tese tem como objetivo o desenvolvimento de métodos de análise de imagem e de reconhecimento de padrões para diagnosticar imagens de dermoscopia. Este trabalho divide-se em três fases. Numa primeira fase foi proposto um algoritmo para a deteção de rede pigmentar. Esta é uma das estruturas dermoscópicas de referência para os dermatologistas, uma vez que pode ser utilizada para distinguir as duas categorias principais de lesões da pele (melanocíticas e não melanocíticas), assim como para diagnosticar melanomas. O algoritmo baseia-se num banco de filtros direcionais usado na deteção de estruturas lineares, complementado com uma análise espacial das propriedades da rede. Na segunda fase do trabalho desenvolveram-se sistemas computorizados de apoio ao diagnóstico (CAD) para detetar melanomas, utilizando modos clássicos de reconhecimento de padrões. Os sistemas desenvolvidos têm um bom desempenho. Destacam-se desta fase as seguintes contribuições originais: i) foi feito um estudo sobre a importância das características globais da lesão (cor, textura, forma e simetria), procurando identificar os melhores descritores que as representam; ii) foi proposto o uso de características locais da imagem como forma de aproximação da análise visual feita pelos dermatologistas na deteção de estruturas relevantes; iii) foram estudadas técnicas para tornar os sistema CAD desenvolvidos independentes do equipamento de aquisição, o que lhes permite operar em redes integradas de cuidados médicos envolvendo diferentes hospitais (telemedicina); iv) foram estudadas técnicas de fusão de informação. Na terceira fase do trabalho desenvolveu-se um sistema CAD inspirado na prática clínica. A comunidade médica tem dificuldade em aceitar sistemas do tipo ’’caixa preta” que não oferecem meios de compreensão e validação do diagnóstico proposto. Para colmatar este facto, desenvolveu-se um sistema CAD baseado na deteção de características clínicas, que possibilita também a sua localização na imagem. Esta abordagem é, geralmente, limitada pela ausência de grandes quantidades de dados de treino com anotações clínicas detalhadas, incluindo a segmentação de cada critério clínico. Para lidar com este problema, propõe-se um sistema que utiliza métodos de anotação de imagem baseados em modelos probabilísticos de variáveis latentes. O objetivo é detetar diferentes critérios clínicos a partir de anotações de texto, dispensando, portanto, a segmentação detalhada dos mesmos nas imagens de treino. O sistema proposto oferece uma explicação da decisão tomada e é treinado com recurso a um conjunto modesto de anotações de texto, fáceis de obter. Este Sistema obtém um bom desempenho, sendo o primeiro a cumprir os objectivos acima enunciados. Melanoma is one of the deadliest forms of cancer. Unfortunately, its incidence rates have been increasing all over the world. One of the techniques used by dermatologists to diagnose melanomas is an imaging modality called dermoscopy, in which the skin lesion is inspected using a magnification device and a light source. This makes it possible for the dermatologist to observe subcutaneous structures that would be invisible otherwise. However, the use of dermoscopy is not straightforward, requiring years of practice. Moreover, the diagnosis is many times subjective and difficult to reproduce. Therefore, it is necessary to develop automatic methods that will help dermatologists provide more reliable diagnosis. The goal of this thesis is to develop methods to automatically diagnose dermoscopy images, using image processing and pattern recognition methods. The first phase of this thesis was the development of an algorithm to detect pigment network. This is one of the most relevant dermoscopic structures (according to a dermatologists who collaborated in this work), used for both distinguishing between the two main categories of skin lesions (melanocytic and non-melanocytic lesions), and for diagnosing melanomas. The proposed algorithm uses a bank of directional filters to detect the lines of the network, followed by an analysis of the spatial properties of the network. The second phase of this thesis focused on the development of computer aided diagnosis (CAD) systems for melanoma diagnosis, using classical pattern recognition approaches. The proposed systems perform very well compared to state-of-the-art systems. The most relevant contributions are: i) a study on the relevance of global features (color, texture, shape, and symmetry), as well as of the best descriptors to represent each of them; ii) the proposal of local features to try to mimic the medical analysis and look for relevant dermoscopic cues; iii) the use of color normalization techniques to make the CAD system independent of the acquisition setup, allowing us to integrate the system in a telemedicine framework; iv) the study of feature fusion techniques. A clinically inspired CAD system was developed during the third phase of this thesis. Dermatologists do not easily accept ”black box” CAD system that do not provide comprehensive information to justify and validate the automatic diagnosis. This thesis attempted to deal with this problem by proposing a CAD system that bases its decision on features that have a medical meaning. Moreover, the system localizes the medical features within the lesion, making it possible for the dermatologist to validate the output. The main challenge of this approach is the lack of training data with detailed annotations of both the dermoscopic criteria and their corresponding segmentations. The proposed system deals with this problem using a probabilistic image annotation algorithm. This algorithm is trained to detect various dermoscopic criteria using only text labels, without needing detailed segmentations of the criteria. The proposed system is able to justify the diagnosis on medical ground, being trained with a small amount of text labels that are easier to obtain than segmentations. This is the first system of its kinds and achieves a very promising performance.