Banca de QUALIFICAÇÃO: ELINEIDE SILVA DOS SANTOS

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: ELINEIDE SILVA DOS SANTOS
DATA: 27/10/2020
HORA: 14:00
LOCAL: Sala Virtual do Google Meet
TÍTULO: Segmentação Semi-automática de Lesões dePele com Base em Superpixels e Informaçõesde Textura
PALAVRAS-CHAVES: Segmentação de imagens. Diagnóstico auxiliado por computador. Lesão de pele. Informações de textura.
PÁGINAS: 61
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de Computação
RESUMO:

O diagnóstico de doenças de pele é feito principalmente através da visualização de imagens dermatoscópicas. Nesse contexto, vários sistemas computacionais para processamento e análise de imagens de lesões de pele foram estudados e desenvolvidos. Tais sistemas aplicam a segmentação de lesões de pele como etapa fundamental em suas abordagens. Este trabalho apresenta um método semi-automático que pode auxiliar o médico no monitoramento da evolução das lesões de pele. A metodologia proposta segmenta lesões cutâneas utilizando o algoritmo SLIC0 para a geração de superpixels. Depois disso, cada superpixel é representado usando um descritor formado por uma combinação das características de textura GLCM e Tamura. Essas características foram selecionados com base em um estudo empírico onde, além desses descritores, foram avaliados os descritores GLRLM, Geoestatística, LBP, Tamura e foram utilizados como entrada para o algoritmo seeded fuzzy C-means. Este algoritmo de agrupamento semissupervisionado usa determinadas regiões marcadas por especialistas para agrupar os superpixels em regiões de lesão ou de fundo. Finalmente, a imagem segmentada passa por uma etapa de pós-processamento usando técnicas de morfologia matemática (MM) e um Contorno Ativo Geodésico (GAC) para eliminar ruídos e suavizar bordas. Os conjuntos de imagens PH2 e DermIS foram utilizados para estabelecer os parâmetros para o método, e os conjuntos de dados ISIC 2016 e ISIC 2017 foram usados para avaliação de desempenho. Os testes mostram que, ao identificar manualmente apenas 1% dos superpixels gerados, o método proposto obteve acurácias de 96,24% e 95,80% para os conjuntos de imagens ISIC 2016 e ISIC 2017, respectivamente, proporcionando desempenho superior aos métodos apresentados no literatura para esses conjuntos de dados.

MEMBROS DA BANCA:
Interno - 1350246 - KELSON ROMULO TEIXEIRA AIRES
Interno - 1642492 - LAURINDO DE SOUSA BRITTO NETO
Presidente - 1579396 - RODRIGO DE MELO SOUZA VERAS