lógica nebulosa aplicada à classificação bi-rads de

Post on 28-Jul-2022

7 Views

Category:

Documents

0 Downloads

Preview:

Click to see full reader

TRANSCRIPT

1

Lógica Nebulosa Aplicada à Classificação

BI-RADS de Nódulos de Mama no Ambiente

de Diagnóstico Auxiliado por Computador

Gisele Helena Barboni Miranda

Paulo Mazzoncini de Azevedo Marques

Joaquim Cezar Felipe

Universidade de São Paulo

Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto

Faculdade de Medicina de Ribeirão Preto

Informática Biomédica

2

Tópicos

Introdução

Fundamentos

Materiais e Métodos

Resultados

Etapa Atual do Projeto

Conclusões

3

Introdução

4

Avaliação subjetiva do radiologista no processo de tomada de

decisão do diagnóstico

Análise definida em linguagem natural

“formato levemente arredondado”

“contorno parcialmente obscurecido”

Dificuldades encontradas pelos sistemas computacionais em

representar e simular o estilo adotado pelo radiologista

gap semântico

MotivaçãoIn

tro

du

çã

o

5

Aplicação dos conceitos da Lógica Nebulosa à definição

dos atributos descritores da terminologia empregada

pelos radiologistas para a caracterização de achados do

tipo massas, padronizados pelo BI-RADS, gerando uma

classificação automática, como segunda opinião.

PropostaIn

tro

du

çã

o

6

Fundamentos

7

BI-RADS (Breast Imaging Reporting and Data-System)

Padronização da terminologia utilizada em exames demamografias e da categorias de avaliação dos achadosradiológicos

Descritores de massas:

BI-RADS

Formato

Contorno

Densidade

Categorias de Avaliação: 0 1 2 3 4 5

Fu

nd

am

en

tos

8

Lógica Nebulosa (Fuzzy)

Máquina

de

Inferência

Valores

Lingüísticos

Valores

Lingüísticos

Denebulização

Valores

NuméricosValores

Numéricos

Nebulização

Base de

Regras

Fu

nd

am

en

tos

Representação matemática de informações vagas e imprecisas

Transição gradual entre a pertinência e a não pertinência de umelemento a um conjunto

9

Materiais e Métodos

10

Reuniões com especialistas do domínio: Participação de radiologistasdo HC – FMRP;

Modelagem do Sistema; escalas representativas do grau de malignidade:

intervalo [0,1] relação entre a característica do atributo em análise e ograu de malignidade atribuído;

definição de qualificadores associados às características de contorno:totalmente, muito, parcialmente e pouco;

Preparação de um questinário de avaliação;

Seleção das imagens: base de imagens de mamografia digital DDSM(Digital Database for Screening Mammography

35 imagens representativas

Ma

teri

ais

e M

éto

do

s

Procedimento

11

Entrevistas de avaliação com radiologistas;

– “formato lobular com grau de malignidade 0,65”

– “contorno parcialmente circunscrito com grau de malignidade 0,2 e

parcialmente indistinto com grau de malignidade 0,7”

Modelagem e implementação do banco de dados de avaliações;

Ma

teri

ais

e M

éto

do

s

Procedimento (cont.)

12

Construção das funções de pertinência;

Ferramenta para criação da base de proposições nebulosas;

Utilização da base de dados de Avaliações para determinar a

parte conseqüente das regras

Modelo de Inferência:

Avaliações dos resultados;

Ma

teri

ais

e M

éto

do

s

Procedimento (cont.)

)],[min(max)( ...1 iknki CDC Modelo de Mandani:

13

Resultados

14

Funções de pertinência sino para caracterizar a transição entre os

coeficientes obtidos das avaliações

Re

su

lta

do

s

Coeficiente de Formato Coeficiente de Contorno

Coeficiente de Densidade

Funções de Pertinência

15

Construção da Base de Regras considerando-se os conjuntos de

entrada e as categorias atribuídas pelos radiologistas

Regra Se Coeficiente de

Formato

E Coeficiente de

Contorno

E Coeficiente de

Densidade

Então

BI-RADS

1 alto alto alto 5

2 alto alto medio 5

3 alto alto baixo 4

4 alto medio alto 4

5 alto medio medio 4

6 alto medio baixo 4

7 alto baixo alto 4

8 alto baixo medio 4

9 alto baixo baixo 3

... ...... ....... ....... ...

Re

su

lta

do

s

Base de Proposições Nebulosas

16

Exemplos de saídas gerada pelo sistema

Parâmetros de Entrada Avaliação

BI-RADSformato contorno densidade

E1 irregularmuito

espiculadoalta

R1 4

R2 4

R3 5

Sistema 4 (pert. 67%)

5 (pert. 20%)

E2 lobular parcialmente

obscuro

alta R1 3

R2 4

R3 3

Sistema 3 (pert. 61%)

4 (pert. 12%)

E3 irregular totalmente

espiculado

alta R1 5

R2 5

R3 5

Sistema 5 (pert 100%)

Resultados coerentes em relação às avaliações fornecidas pelos

radiologistas

Variabilidade observada entre os radiologistas

Re

su

lta

do

s

17

Etapa Atual do Projeto

18

Método estatístico para a construção das funções

Eta

pa

Atu

al

do

Pro

jeto

Funções de Pertinência

Funções de pertinência para o atributo Coeficiente de Formato

19

Funções de pertinência para caracterizar a transição entre os coeficientes

obtidos das avaliações

Re

su

lta

do

s

Funções de Pertinência

Funções de Pertinência para o Atributo

Coeficiente de Formato

-0,2

0

0,2

0,4

0,6

0,8

1

1,2

0 0,5 1

Grau de Malignidade (Formato)

Gra

u d

e P

ert

inê

nc

ia

"baixo"

"médio"

"alto"

Funções de Pertinência para o atributo Coeficiente de

Contorno

-0,2

0

0,2

0,4

0,6

0,8

1

1,2

0 0,2 0,4 0,6 0,8 1

Grau de Malignidade (Contorno)

Gra

u d

e P

ert

inên

cia

"muito baixo"

"baixo"

"médio"

"alto"

Funções de Pertinência para o Atributo

Coeficiente de Densidade

-0,2

0

0,2

0,4

0,6

0,8

1

1,2

0 0,5 1

Grau de Malignidade (Densidade)

Gra

u d

e P

ert

inê

nc

ia

"muito baixo"

"baixo"

"médio"

"alto"

20

Eta

pa

Atu

al

do

Pro

jeto

Interface do

Sistema CAD

21

Conclusões

22

A utilização da lógica nebulosa permitiu a representação da

subjetividade observada durante as avaliações com os

radiologistas

Construção de um sistema CAD mais amigável: parâmetros de

entrada próximos à forma natural de avaliação da imagem

O sistema nebuloso proposto fornece uma segunda opinião

consistente, contendo características quantitativas de análise

Co

nc

lus

õe

s

Discussão

23

Incluir a análise de microcalcificações e assimetrias

Ampliação da base de dados de avaliações

Utilização de arquiteturas híbridas:

neuro-fuzzy

Implantação da ferramenta em ambientes de residência

médica em radiologia

Trabalhos FuturosC

on

clu

es

24

À Fundação de Amparo à Pesquisa do Estado de São Paulo

Aos radiologistas pela avaliação das lesões selecionadas

Agradecimentos

25

Lógica Nebulosa Aplicada à Classificação

BI-RADS de Nódulos de Mama no Ambiente

de Diagnóstico Auxiliado por Computador

Gisele Helena Barboni Miranda

Paulo Mazzoncini de Azevedo Marques

Joaquim Cezar Felipe

Universidade de São Paulo

Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto

Faculdade de Medicina de Ribeirão Preto

Informática Biomédica

top related