Cânceres de pele tiveram um crescimento no número de casos de 113% entre 2001 e 2006 • Blumenau possui a terceira maior incidência mundial de câncer de pele Thursday, April 11, 13
Responsável 75% das mortes por câncer de pele • Alto risco de metastização • Quando diagnosticado precoce, as chances de cura são altas Thursday, April 11, 13
dermatologista, através de uma análise visual da lesão • Utilização de diversas regras dermatológicas • Sistemas para auxílio do diagnóstico são eficazes e diminuem o número de biopsias Thursday, April 11, 13
simplificar os diagnósticos de melanoma • Utiliza 4 critérios principais para diagnóstico da lesão: assimetria, bordas irregulares, cores e estruturas diferenciais • Algumas pesquisas utilizam diâmetro ao invés de estruturas diferenciais Thursday, April 11, 13
• Criado por Nachbar et al. (1994), atribuindo um score baseado na regra ABCD a cada lesão • Cada critério tem seus pontos e valoração, sendo que sua somatória é cosiderada como o DPV da lesão Thursday, April 11, 13
buscados na lesão: rede pigmentada, áreas homogêneas, estrias, pontos e glóbulos. Para cada elemento encontrado, um ponto é adicionado. Thursday, April 11, 13
com valores entre 0 e 4,75 são consideradas benignas • Lesões com valores entre 4,75 e 5,45 são consideradas suspeitas, e devem ser observadas com atenção • Lesões com valores superiores a 5,45 são considerados melanomas. Thursday, April 11, 13
móveis de Wadhawan et al. (2011) • Protótipo para detecção de melanoma baseado na regra ABCD por Rosado (2009) • Método automatizado para identificação de melanoma por Soares (2008) Thursday, April 11, 13
analisar e classificar lesões cutâneas baseado na regra ABCD • Todo o processamento será efetuado no próprio dispositivo, sem necessidade de conexão externa Thursday, April 11, 13
foto da lesão a partir da câmera do iPhone • Permitir a visualização da imagem do usuário • Classificar a lesão entre melanoma e não- melanoma a partir dos critérios estabelecidos pela regra ABCD Thursday, April 11, 13
de imagens dermatológicas • Composta de imagens clínicas e dermatoscópicas • 5 Lesões extraídas através da camêra do iPhone • 63 Lesões no total, sendo 23 benignas e 40 malignas Thursday, April 11, 13
• Método: execução manual do algoritmo nas imagens das lesões • Dados utilizados: 4 Lesões, sendo duas segmentadas com sucesso e duas com erro Thursday, April 11, 13
extração de cada caracteristica da regra ABCD • Método: comparação dos resultados obtidos pelo algorimo ao resultado obtidos pelo especialista • Dados utilizados: 6 Lesões dermatoscópicas, devido a não influência de fatores externos. Thursday, April 11, 13
para obter resultados próximos ao especialista • Critério de cor obteve o melhor resultado, divergindo em 0.5 em uma lesão • Critério de bordas irregulares não obteve resultado igual ao especialista em nenhum dos casos Thursday, April 11, 13
benignas e melanomas • Método: Todas as lesões pré-classificadas foram submetidas ao algoritmo • Dados utilizados: 63 lesões da base Thursday, April 11, 13
para triagem de pacientes • Critérios da regra ABCD precisam de ajustes para obter resultados próximos ao do especialista • Fatores externos podem atrapalhar no processamento Thursday, April 11, 13
• Melhoria nos critérios individuais da regra ABCD, para resultados mais próximos ao do especialista • Realidade aumentada para extração das imagens • Paralelização da extração das caracteristicas Thursday, April 11, 13
importe. • Comece cedo, e evite problemas futuros • Idéias são baratas, execução é tudo • Seja focado • Seja paciente e não desista Thursday, April 11, 13