Avaliação de Acidente Vascular Cerebral em Tomografia Computadorizada Utilizando Algoritmo de Otimização de Formigas

Abstract

O acidente vascular cerebral (AVC) é uma das maiores causas de morte e de incapacidades neurológicas do mundo, sendo a doença neurológica mais comum e potencialmente mais devastadora, e por essa razão é responsável por um grande número de pesquisas e inovações na área de imagens médicas. No Brasil há uma distribuição extremamente desigual de recursos médicos de boa qualidade em decorrência de sua grande extensão territorial. Dessa forma, existem inúmeros locais e serviços de saúde em que não há a presença de um especialista em radiologia para observar as imagens de tomografia computadorizada (TC). Por essa razão há uma motivação para o desenvolvimento de sistemas computadorizados para o auxílio ao diagnóstico de doenças utilizando técnicas de processamento de imagens. Técnicas de processamento digital de imagens podem ser utilizadas para auxiliar o diagnóstico médico dessa patologia, possibilitando um diagnóstico mais rápido, bem como um acompanhamento da área de extensão das lesões isquêmicas e hemorrágicas causadas pelo AVCi (isquêmico) ou AVCh (hemorrágico). Então, os algoritmos desenvolvidos para detecção de AVC poderiam ser utilizados para auxiliar clínicos, ou outros profissionais de saúde, para que esses possam ou encaminhar para algum centro especializado próximo ou iniciar o tratamento adequado o mais rápido possível melhorando o prognóstico dos pacientes acometidos pela patologia. Neste trabalho foram desenvolvidos e implementados cinco algoritmos para detectar e realçar as áreas de AVCi e AVCh em imagens de TC de crânio, dos quais três foram utilizados para detecção de AVCi agudo/subagudo (nos estágios iniciais) e dois para detecção de AVCh. Inicialmente, foram implementados os algoritmos para a detecção dessas duas patologias baseados em limiarização, e em seguida foi implementado o algoritmo de segmentação de imagens baseado em ACO (Ant Colony Optimization) e k-means. Baseado nessa segmentação com ACO foi desenvolvido um algoritmo de detecção de AVCh, um algoritmo de detecção dos ventrículos cerebrais e posterior detecção do AVCi utilizando a limiarização e um algoritmo de detecção de AVCi agudo/subagudo. Em seguida, foram calculados e analisados os resultados estatísticos para cada um dos algoritmos implementados, analisando a detecção por paciente, por cortes e por pixels. Assim, sendo realizada uma avaliação da detecção dos dois tipos de AVC em relação a cada um dos algoritmos desenvolvidos. Os melhores resultados obtidos para a detecção do AVCh foram com o algoritmo de segmentação baseado no ACO que apresenta uma sensibilidade, uma especificidade e uma acurácia na detecção por paciente de 100%, por corte apresenta uma sensibilidade de 51%, uma especificidade de 100% e uma acurácia de 99%, e por pixel possui uma sensibilidade de 34%, uma especificidade de 99% e uma acurácia de 99%. O processamento do conjunto das 22 imagens de cada paciente foi realizado em 1 minuto e 15 segundos por esse algoritmo. De forma semelhante, os melhores resultados para a detecção do AVCi foram obtidos com o algoritmo ACO para a detecção da área de isquemia, que apresenta uma sensibilidade de 72%, uma especificidade de 88% e uma acurácia na detecção por paciente de 88%, por corte apresenta uma sensibilidade de 27%, uma especificidade de 98% e uma acurácia de 98%, e por pixel possui uma sensibilidade de 12%, uma especificidade de 99% e uma acurácia de 99%. Esse algoritmo possui um tempo de processamento para o conjunto de 20 imagens de um paciente de 1 minuto e 5 segundos.