Classificação de acromegalia em imagens tomográficas computadorizadas de vértebras (L1 - L5) com uso de ensemble de classificadores binários

Abstract

A acromegalia é uma doença crônica e insidiosa. Sua causa, em grande parte, se dá via adenomas hipofisários (tumores benignos) secretores do Hormônio do Crescimento. Pode causar várias manifestações clínicas, como, por exemplo, o crescimento atípico dos ossos e tecidos moles. Exames de imagens obtidos com a Tomografia Computadorizada (TC) são utilizados para observar as características tumorais e acompanhamento radiológico em triagem de condições acromegálicas. Com base no princípio da automação, o presente estudo teve por objetivo diagnosticar a doença acromegalia a partir do processamento de imagens digitais e do aprendizado de máquinas, reconhecendo padrões radiológicos em imagens de TC e identificando possíveis alterações ósseas acromegálicas sofridas especificamente nas vértebras L1-L5 da coluna vertebral. Como viés metodológico, fez-se uso de um ensemble – combinação de classificadores. Os classificadores individuais e binários utilizados na construção do ensemble foram: SVM, KNN, Naive Bayes e AdaBoost. O método utilizou-se de 54 imagens de tomografia, sendo 27 imagens de indivíduos acromegálicas e 27 imagens de indivíduos livres da doença acromegalia. O aprendizado de máquinas se deu por meio de características calculadas a partir textura das imagens no domínio do espaço e da frequência. O resultado classificatório atingiu taxas de 95% de sensibilidade, 96% de especificidade e acurácia de 95%. Embasado na relevância dos resultados obtidos, fica a possibilidade de novas pesquisas para que se desenvolvam ferramentas que auxiliem no diagnóstico da acromegalia.