Segmentação e Classificação de Lesões Cutâneas para Diagnóstico de Doenças

Neste artigo, é proposta uma abordagem nova para a segmentação e classificação automática de lesões cutâneas. Inicialmente, as imagens de pele são filtradas para remover pelos indesejados e ruído, e então o processo de segmentação é realizado para extrair áreas de lesão. Para a segmentação, é aplicado um método de crescimento de região com a inicialização automática de pontos sementes. O desempenho da segmentação é medido com diferentes medidas bem conhecidas e os resultados são apreciáveis. Subsequentemente, as áreas de lesão extraídas são representadas por características de cor e textura. Classificadores SVM e k-NN são usados juntamente com sua fusão para a classificação utilizando as características extraídas. O desempenho do sistema é testado em nosso próprio conjunto de dados com 726 amostras de 141 imagens consistindo em 5 classes diferentes de doenças. Os resultados são muito promissores, com 46,71% e 34% de medida F utilizando os classificadores SVM e k-NN, respectivamente, e com 61% de medida F para a fusão de SVM e k-NN.