APLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS NA IDENTIFICAÇÃO DO CÂNCER DE PELE POR MEIO DE DISPOSITIVOS MÓVEIS CASSENOTE, Mariane Regina Sponchiado1; ANTONIAZZI, Rodrigo Luiz2 Resumo: Nas últimas décadas, o Melanoma tornou-se um assunto de grande interesse devido ao aumento considerável de sua incidência e sua elevada letalidade. Embora represente uma parcela relativamente pequena dos casos de Câncer de Pele, o mesmo provoca a maior parte dos óbitos decorrentes de malignidades cutâneas, tendo em vista seu alto potencial de enviar metástases a outros órgãos. Este artigo faz parte de um projeto de iniciação científica que visa desenvolver e oferecer uma ferramenta auxiliar ao diagnóstico de Câncer de Pele por meio de dispositivos móveis. Para tanto, estão sendo utilizadas técnicas de Processamento de Imagens associadas a outros métodos, tais como o Box Counting, a Dimensão Fractal e a estimativa da Excentricidade da Elipse e Índice de Compacidade. A partir do desenvolvimento do projeto, espera-se oferecer um recurso capaz de tornar o diagnóstico mais ágil e eficiente, além de colaborar para a difusão de informações acerca dessa patologia. Abstract: In recent decades, melanoma has become a subject of great interest due to the considerable increase in its incidence and its high lethality. Although it represents a relatively small proportion of cases of skin cancer, it causes the most deaths from skin malignancies, given its high potential to send metastases to other organs. This article is part of a research project that aims to develop and provide an auxiliary tool for the diagnosis of skin cancer through mobile devices. Therefore, Image Processing techniques are being used associated with other methods, such as Box Counting, Fractal Dimension, estimation of the Ellipse Eccentricity and Compactness Index. From project development, it’s expected to provide a facility capable of making the diagnosis more quickly and efficiently, and contribute to the dissemination of information about this disease. Palavras-Chave: Câncer de Pele. Processamento de Imagens. Box Counting. Índice de Compacidade. Excentricidade da Elipse. Keywords: Skin Cancer. Image Processing. Box Counting. Compactness Index. Ellipse Eccentricity. 1 Acadêmica do Curso de Ciência da Computação da Universidade de Cruz Alta – Bolsista PIBIC/Unicruz – [email protected] 2 Coordenador do Curso de Ciência da Computação da Universidade de Cruz Alta – Orientador PIBIC/Unicruz – [email protected] Revista Interdisciplinar de Ensino, Pesquisa e Extensão vol. 4 n°1 151 INTRODUÇÃO O Câncer de Pele é o mais frequente entre os humanos, sendo o Melanoma um dos mais letais. O mesmo apresenta maiores índices de mortalidade em países menos desenvolvidos, nos quais o Câncer de Pele Não-Melanoma costuma ser um grave problema se saúde pública. No Brasil, o difícil acesso ao tratamento do Câncer de Pele entre as populações carentes resulta em óbito na maioria dos casos de Melanoma e um número significativo de mutilações por Câncer de Pele Não-Melanoma (MUTTI et al., 2014). Os fatores de risco para o desenvolvimento do Câncer de Pele tanto podem ser genéticos, quanto ambientais. De acordo com Rezende, Corrêa e Duarte (2009), a causa ambiental mais significativa é a exposição excessiva ao sol, principalmente nos primeiros 20 anos de vida. Pessoas com determinadas características físicas, em especial de pele e olhos claros, apresentam maior risco de desenvolver esse tipo de patologia. Para Mutti et al. (2014), o que se observa hoje no país é que o Câncer de Pele NãoMelanoma se tornou um grave problema de saúde pública. Isso ocorre em virtude da escassa utilização de recursos para o processo de diagnóstico e tratamento desses tumores em prol de neoplasias que apresentam maiores taxas de mortalidade. Este estudo faz parte de um projeto de iniciação científica da Universidade de Cruz Alta (PIBIC/Unicruz) que visa oferecer uma ferramenta capaz de detectar irregularidades ou manchas de pele por meio da análise de imagens a partir de dispositivos móveis. Para tanto, foram utilizadas técnicas de Processamento de Imagens a fim de localizar e processar essas irregularidades. Assim, espera-se oferecer aos especialistas da área uma ferramenta auxiliar ao diagnóstico de Câncer de Pele. GEOMETRIA FRACTAL Muitos fenômenos e formas encontrados na natureza não podem ser explicados por meio dos moldes da matemática convencional, sendo necessário um sistema especial que os explique e caracterize, a chamada Matemática Fractal ou Geometria Fractal. Essas estruturas são formas geométricas incapazes de serem classificadas por meio da Geometria Euclidiana devido às características fundamentais que as definem e distinguem de outras formas (GULICK, 1992). Revista Interdisciplinar de Ensino, Pesquisa e Extensão vol. 4 n°1 152 A palavra “fractal” vem da junção do adjetivo fractus e do verbo frangere, tendo seu termo relacionado a fragmento, parte ou irregularidade. De acordo com Silva e Souza (2010), trata-se de objetos gerados pela repetição de um processo recursivo, apresentando auto similaridade, complexibilidade e dimensão fracionada. A auto similaridade é uma das características dos fractais de apresentar cópias de si mesmo em seu interior em diferentes tamanhos. Uma pequena parte é semelhante ao todo, isto é, pequenas partes de um fractal em diferentes escalas são semelhantes ao todo. A complexibilidade é uma propriedade dos fractais a qual significa que nunca se pode representá-los completamente, pois os detalhes dos mesmos são infinitos. Sempre existirão reentrâncias e saliências cada vez menores. A dimensão dos fractais não é inteira como na Geometria Euclidiana. Nesta, um ponto tem dimensão zero, uma linha é unidimensional, o plano bidimensional, o sólido tridimensional. Os fractais têm dimensão fracionada, a qual está relacionada ao grau de irregularidade dos mesmos (SILVA E SOUZA, 2010). Conforme Padilha (2015), a Geometria Euclidiana não poderia descrever objetos de formas irregulares encontrados na natureza. É o caso, por exemplo, das nuvens e montanhas, que não poderiam ser representadas como elipsoides e cones, respectivamente. A Geometria Fractal classifica esses itens como fractais. Assim, a Geometria Fractal é de fundamental importância para análise das manchas e irregularidades de pele estudadas nesse trabalho. Por meio de seus valores, se torna possível diferenciar os tumores entre benignos ou malignos. Para tanto, foram utilizadas algumas técnicas associadas ao Processamento de Imagens, conforme descrito na seção seguinte. PROCESSAMENTO DE IMAGENS A intrigante capacidade do sistema visual humano faz com que cada vez mais técnicas e métodos voltados para o Processamento de Imagens sejam estudadas a fim de serem aperfeiçoadas. A capacidade do olho humano de deter, processar e compreender diversas informações a todo momento conduz ao enriquecimento na área de Processamento e Análise de Imagens (PEDRINI e SCHWARTZ, 2008). De acordo com Padilha (2015), inúmeras são as áreas que se beneficiam do Processamento de Imagens, dentre as quais pode-se citar a automação industrial, área militar, astronomia, biologia e medicina, sendo a última o foco deste estudo. A identificação de Revista Interdisciplinar de Ensino, Pesquisa e Extensão vol. 4 n°1 153 informações referentes a raios-X, tomografias, entre outros, é facilitada pelo uso de técnicas de Processamento de Imagens. Uma das áreas da medicina que cresce na utilização desses métodos é a oncologia, a qual estuda tumores e cânceres (PEDRINI e SCHWARTZ, 2008). A fim de compreender o sistema de Processamento Digital de Imagens, realiza-se sua divisão em algumas etapas. A Segmentação possui grande relevância nesse processo, pois sua principal função é fragmentar uma imagem em porções que tenham algum significado, ou seja, apenas objetos de interesse contidos na imagem (FILHO e NETO, 1999). Outra etapa fundamentalmente importante é a Detecção de Bordas. De acordo com Menezes e Almeida (2012), uma borda nada mais é do que a extremidade entre dois níveis diferentes de cinza em uma imagem. Outra forma de descrevê-la é que há uma diferença de brilho entre os pixels, ou seja, a borda é o limite entre dois objetos distintos. Existem filtragens que pode realçar essas diferenças, mostrando, assim, as bordas existentes em determinadas imagens. A limiarização é uma das técnicas mais simples de segmentação e também pode ser chamada de binarização devido aos valores resultantes da imagem. Quando a mesma possui o fundo e o objeto (dois níveis), a limiarização faz com que eles sejam bem definidos, ou seja, faz uma separação entre eles (FILHO e NETO, 1999). De acordo com Menezes e Almeida (2012), os filtros, como Prewitt e Sobel, são os resultados do produto escalar da magnitude do vetor gradiente com os valores particulares dos vetores. Os resultados alcançados são bordas bem definidas, na maioria das vezes, nas imagens nas quais os mesmos foram aplicados. Box Counting Para Coelho e Costa (1995), o Box Counting é um dos métodos mais conhecidos e utilizados para estimar a Dimensão Fractal de uma forma ou imagem. Isso se deve a sua simplicidade e facilidade de implementação. Essa técnica consiste em sobrepor à imagem uma malha e contar o número de quadrados necessários para cobrir toda a forma. Revista Interdisciplinar de Ensino, Pesquisa e Extensão vol. 4 n°1 154 Figura 1 - Variações do tamanho e quantidade de quadros para estimar a Dimensão Fractal pelo Box Counting (PLOTZE, 2004) Plotze (2004) afirma que a imagem é dividida em quadrados e é feita a contagem do número de caixas que contêm, por menor que seja, alguma parte da forma ou objeto que se deseja investigar. A Dimensão Fractal pelo método Box Counting é baseada na relação entre o tamanho das caixas e o número de caixas contadas. Quando menor o tamanho das caixas, maior é sua quantidade, conforme ilustra a Figura 1. Por se tratar de um método bastante simples, o Box Counting permite a inserção de refinamentos em sua técnica. Um deles seria introduzir uma distinção entre células parcialmente e completamente ocupadas. Isso permite estimar várias dimensões fractais, calculando o logaritmo da combinação de células: completamente ocupadas, completamente não-ocupadas, parcialmente ocupadas (MORENCY e CHAPLEAU, 2003). Excentricidade da Elipse A Excentricidade da Elipse é muito significativa na área de Processamento de Imagens. Por meio de seu valor é possível determinar a forma que a elipse tomará. O Quadro 1 ilustra a fórmula utilizada. Quadro 1 - Equação da Excentricidade da Elipse (VENTURI, 2003) Onde: ɛ = Excentricidade da Elipse = Metade da distância focal = Metade da medida do eixo maior A excentricidade ɛ corresponde a um valor entre 0 e 1, sendo 0 < ɛ < 1. Dependendo do valor encontrado em ɛ, a elipse assume formas diferentes. Caso ɛ se aproxime ao valor 0, a Revista Interdisciplinar de Ensino, Pesquisa e Extensão vol. 4 n°1 155 elipse tende a uma circunferência e, quando assume valores próximos a 1, fica mais achatada. Além disso, os focos ficam mais distantes quando a elipse se aproxima de uma circunferência e, quanto mais achatada, maior é a distância entre os focos (VENTURI, 2003). Índice de Compacidade O conceito de Índice de Compacidade está diretamente conectado aos conceitos matemáticos de circunferência, área e perímetro. Trata-se da relação entre o perímetro do objeto e a circunferência de um círculo de mesma área. Em outras palavras, é a ligação entre o formato de um círculo e o objeto analisado (SORDI et al., 2012). A equação utilizada no cálculo do Índice de Compacidade está expressa no Quadro 2. Quadro 2 - Equação do Índice de Compacidade (SORDI et al., 2012) Onde: = Índice de Compacidade = Perímetro do objeto = Área do objeto Padilha (2015) afirma que, dependendo dos valores encontrados no Índice de Compacidade, o objeto pode ser circular ou alongado, o valor é maior à medida que o objeto apresentar mais irregularidades. O valor máximo do é igual a 1 sendo que, quanto mais perto desse valor, mais o objeto tende à forma circular. A associação entre o método Box Counting e a estimativa da Excentricidade da Elipse e do Índice de Compacidade justifica-se a partir da observação da Figura 2, a qual ilustra padrões comumente percebidos em amostras de manchas de pele. Salienta-se que na metodologia deste estudo não se encontra inclusa a análise de cor da lesão, a qual será posteriormente agregada. Revista Interdisciplinar de Ensino, Pesquisa e Extensão vol. 4 n°1 156 Figura 2 - Lesões de pele que demonstram a Regra ABCD (SAMPAIO e RIVITTI, 2001) Arnold, Odom e James (1995) explicam a Regra ABCD da seguinte forma: 1) Assimetria – a forma de uma metade não é igual à outra; 2) Bordas – as bordas da lesão são frequentemente imperfeitas, chanfradas, pouco nítidas ou irregulares em seu contorno e o pigmento pode estender-se para a pele circunvizinha; 3) Coloração – a cor não é uniforme. Tonalidades escuras, marrons e bronzeadas podem estar presentes. Áreas brancas, cinzas, vermelhas, róseas ou azuis também podem ser encontradas; e 4) Dimensão – há uma modificação no tamanho, geralmente um aumento. Os melanomas são geralmente maiores que 6mm. Soares (2008) aponta, ainda, que os melanomas têm uma grande variabilidade em sua aparência. Muitos mostram todos os aspectos da Regra ABCD. Entretanto, alguns podem apresentar alterações ou anormalidades em apenas uma ou duas das características estipuladas pela regra. PROCEDIMENTOS METODOLÓGICOS De acordo com a metodologia proposta por Silva e Menezes (2005), do ponto de vista de sua natureza, este estudo classifica-se como uma pesquisa aplicada, tendo em vista que a mesma objetiva gerar conhecimentos para aplicação prática dirigidos à solução de Revista Interdisciplinar de Ensino, Pesquisa e Extensão vol. 4 n°1 157 problemas específicos. Com relação à forma de abordagem, trata-se de uma pesquisa quantitativa a qual traduz em números informações a fim de classificá-las e analisá-las. O desenvolvimento desta pesquisa iniciou-se a partir do levantamento bibliográfico acerca de irregularidades e lesões de pele. O estudo de conceitos relacionados à área da saúde teve fundamental importância para o correto entendimento do tema. Foram analisados dados como a incidência desse tipo de patologia sobre a população brasileira, assim como as principais características da doença e suas formas de diagnóstico. A seguir, buscou-se informações sobre Geometria Fractal, tendo em vista que as lesões comumente encontradas não podem ser dimensionadas por meio de cálculos convencionais pertencentes à Geometria Euclidiana. Assim, foi estudado o método Box Counting a fim de obter valores correspondentes à grandeza dos fractais. Aliado à essa técnica, foram realizados estudos acerca das medidas de Excentricidade da Elipse e Índice de Compacidade, as quais possuem papéis fundamentais na determinação do diagnóstico. Na primeira é analisada a forma da lesão, circular ou elíptica, enquanto que na segunda é considerado o perímetro de uma mancha em relação a um círculo de mesma área. A execução do processo de implementação contou com um notebook Asus X450LDBRA-WX112H, o qual possui processador Intel Core i5, 8GB de Memória RAM (2GB de Memória Dedicada), 500GB de Disco Rígido e Placa de Vídeo NVIDIA GeForce. O sistema operacional utilizado foi o Windows 8.1 na versão 64 bits. Além disso, foram explorados os recursos oferecidos pela ferramenta EasyPHP, um ambiente de trabalho que disponibiliza um servidor web Apache, o SGBD MySQL e suporte à linguagem de programação PHP. Assim, optou-se pela utilização da versão 16.1 do EasyPHP Devserver, a qual conta com o servidor Apache 2.4.18, MySQL 5.7.10 e suporte ao PHP 5.6.17. Para a manipulação dos códigos-fonte do sistema, tornou-se necessária a utilização do software de desenvolvimento voltado à web Adobe Dreamweaver CS6, em sua distribuição 12.0. Ademais, explorou-se o Framework de código aberto Bootstrap a fim de garantir a adaptabilidade do sistema à dispositivos móveis. RESULTADOS PARCIAIS Para o desenvolvimento do software proposto neste estudo, inicialmente foi construída a base de dados responsável pelo armazenamento das informações do sistema. Conforme pode ser visualizado na Figura 3, foram construídas três tabelas. A primeira delas, Revista Interdisciplinar de Ensino, Pesquisa e Extensão vol. 4 n°1 158 denominada “cancer”, registra os dados das lesões e suas respectivas imagens. A segunda, por sua vez, armazena os tipos de câncer cadastrados pelos profissionais da área da saúde. Por fim, a terceira tabela é composta pelos dados de usuários da aplicação. Figura 3 - Base de dados do sistema (Elaborado pela autora) A disposição dos elementos dentro do sistema deu-se de modo que em todas as páginas pode ser observada a identificação do Projeto de Iniciação Científica, assim como a instituição da qual o mesmo se origina. Na Figura 4 pode ser observada a tela de identificação de usuário. Em cada tentativa de acesso às páginas definidas como restritas aos profissionais da saúde é realizada uma verificação de autenticação. Se o usuário tiver efetuado login, as informações desejadas serão exibidas; caso contrário, será redirecionado à tela de acesso. Salienta-se, também, a opção de recuperação de senha a ser utilizada em caso de perda ou esquecimento dos dados. Esse mecanismo envia as informações ao endereço de email fornecido no momento do cadastro. Na Figura 4 é ilustrado, ainda, o menu de navegação da aplicação, o qual é exibido sempre que o ícone localizado no canto superior direito é pressionado. Revista Interdisciplinar de Ensino, Pesquisa e Extensão vol. 4 n°1 159 Figura 4 - Tela de acesso e menu do sistema Figura 5 - Páginas de cadastro de câncer e de listagem de patologias Na Figura 5 são ilustradas as opções de cadastro de câncer e de listagem de patologias armazenadas no sistema. Assim como em todas as outras páginas que exigem privilégios para acesso, pode ser visualizada no canto superior direito uma frase de boasvindas. O emprego desse recurso permite que o sujeito saiba a qualquer momento qual conta Revista Interdisciplinar de Ensino, Pesquisa e Extensão vol. 4 n°1 160 de usuário está sendo acessada. Além disso, é oferecida a opção “Sair”, por meio da qual o indivíduo pode se desconectar e ser redirecionado à página de identificação do software. A área destinada ao cadastro de cânceres apresenta um formulário na qual deverão ser inseridas as informações correspondentes ao paciente e à lesão, além da imagem que será posteriormente processada. No espaço destinado à listagem de patologias são exibidas todas as informações referentes à cada uma delas, assim como as opções de editar e excluir os dados. Adicionalmente, o sistema oferece opções de controle e gerenciamento de usuários e tipos de lesões. CONSIDERAÇÕES PARCIAIS Estima-se que o experimento em andamento esteja atingindo os objetivos aos quais se propõe, tendo em vista que foram obtidas informações acerca de lesões e irregularidades de pele. Além disso, foi realizado um estudo aprofundado sobre conceitos e métodos de Processamento de Imagens, essenciais ao desenvolvimento do software. A partir do levantamento bibliográfico e exploração dos dados obtidos, iniciou-se o desenvolvimento do sistema voltado à dispositivos móveis com a finalidade de detectar manchas de pele e classificá-las entre benignas ou malignas. Esse processo torna-se possível por meio da utilização de técnicas de Processamento de Imagens associadas à detecção de bordas dos fractais. Os próximos passos do projeto estão relacionados ao dimensionamento dessas lesões por meio do método Box Counting, além da determinação de suas formas a partir dos cálculos de Excentricidade da Elipse e Índice de Compacidade. Por fim, o software relacionará as informações obtidas e retornará o diagnóstico estimado ao usuário. Ademais, espera-se desenvolver um espaço no referido sistema destinado à divulgação de informações acerca de prevenção, diagnóstico e prognóstico do Câncer de Pele à toda a população. Cabe, ainda, salientar que a aplicação proposta nesse projeto tem o intuito de servir como ferramenta auxiliar ao diagnóstico de profissionais da saúde e não deve substituir consultas ao médico especialista. Revista Interdisciplinar de Ensino, Pesquisa e Extensão vol. 4 n°1 161 REFERÊNCIAS BIBLIOGRÁFICAS ARNOLD, H. L.; ODOM, R. B.; JAMES, W. D. Doenças de Pele de Andews. Dermatologia Clínica, São Paulo, n. 8ª, 1995. COELHO, R. C.; COSTA, L. F. The Box-Counting Fractal Dimension: Does it provide an Accurate Subsidy for Experimental Shape Characterization? If So, How to Use It? Anais do Sibgrapi 95. [S.l.]: [s.n.]. 1995. p. 183-191. FILHO, O. M.; NETO, H. V. Processamento Digital de Imagens. Rio de Janeiro: Brasport, 1999. GULICK, D. Encounters with Chaos. McGraw-Hill International Editions - Mathematics and Statistics Series, 1992. MENEZES , P. R.; ALMEIDA, T. D. Introdução ao processamento de imagens de sensoriamento remoto. Brasília: [s.n.], 2012. MORENCY, C.; CHAPLEAU, R. Fractal geometry for the characterization of urban-related states: greater Montreal case. Harmonic and fractal image analysis, p. 30-34, 2003. MUTTI, A. E. C. et al. Distribuição da procedência de pacientes operados de câncer de pele não-melanoma no Hospital Aristides Maltez e sua relação com mapeamento populacional na Bahia. Revista Baiana de Saúde Pública, p. 227, 2014. PADILHA, R. J. Análise Quantitativa na Diferenciação de Tumores de Mama por meio de Processamento de Imagens. Cruz Alta: Trabalho de Conclusão de Curso de Ciência da Computação - Universidade de Cruz Alta, 2015. PEDRINI, H.; SCHWARTZ, W. R. Análise de imagens digitais: princípios, algoritmos e aplicações. São Paulo: ThomsonLearning, 2008. PLOTZE, R. D. O. Identificação de espécies vegetais através da análise da forma interna de órgãos foliares. [S.l.]: Dissertação de Mestrado em Ciência da Computação e Matemática Computacional - Universidade de São Paulo, 2004. REZENDE, M. L.; CORRÊA, M. D. P.; DUARTE, E. M. Estimativa do custo do tratamento de câncer de pele tipo melanoma no estado de São Paulo - Brasil. An Bras Dermatol, v. 84, n. 3, p. 237-243, 2009. SAMPAIO, S. A.; RIVITTI, E. A. Dermatologia. 2ª. ed. São Paulo: Editora Artes Médicas Ltda, 2001. SILVA, E. L. D.; MENEZES, E. M. Metodologia da Pesquisa e Elaboração de Dissertação. 4ª. ed. Florianópolis: Universidade Federal de Santa Catarina, 2005. SILVA, M. M. D.; SOUZA, W. A. D. Dimensão Fractal. Revista Eletrônica de Matemática, v. 2, 2010. Revista Interdisciplinar de Ensino, Pesquisa e Extensão vol. 4 n°1 162 SOARES, H. B. Análise e Classificação de Imagens de Lesões da Pele por Atributos de Cor, Forma e Textura Utilizando Máquina de Vetor de Suporte. Natal - RN: Tese de Doutorado em Engenharia Elétrica e de Computação - Universidade Federal do Rio Grande do Norte, 2008. SORDI, M. V. D. et al. Análise morfométrica do Ribeirão Laçador - Faxinal - Paraná. Revista Geonorte, v. 2, n. 4, p. 150, 2012. VENTURI, J. J. Cônicas e quadráticas. 5ª. ed. Curitiba: [s.n.], 2003. Revista Interdisciplinar de Ensino, Pesquisa e Extensão vol. 4 n°1 163