Segmentação automática de lesões no cérebro em imagens de ressonância magnética usando superpixel, PSO e a rede geradora adversária com classificador auxiliar

Abstract

Gliomas são tumores cerebrais delicados e severos, uma vez que se encontram em uma região muito sensível e importante que é esse órgão humano. Por sua análise manual ser bastante demorada e haver divergências entre os especialistas, esse trabalho propõe um método automático para a segmentação de sub-regiões e regiões de lesões encontradas na maioria dos pacientes onde há anomaliades no cérebro. Para isso, foram usadas imagens de ressonância magnética 3D que é o atual método mais usado para detecção, baseado em superpixels, algoritmo de otimização por exame de partículas e a rede geradora adversária com classificador auxiliar. O método proposto obteve como resultados para as sub-regiões necrose, edema, núcleo sólido e núcleo, uma acurácia de 67,71%, 94,57%, 18,44%, 89,35% na etapa de classificação e coeficiente dice de 60,35%, 44,22%, 16,45%, 31,23% na etapa de segmentação para as respectivas sub-regiões, se mostrando melhor em muitos aspectos aos atuais trabalhos que abordam as sub-regiões. Para as regiões completa, central e ativa, o modelo apresentou uma acurácia de 70,87%, 69,12%, 78,92% e um dice de 63,75%, 54,25%, 67,32% para as respectivas regiões. Os resultados demonstram a dificuldade na classificação e segmentação das sub-regiões tumorais, mas se apresentam como ótimos pontos de partida para uma segmentação automática de lesões cerebrais.