Reconhecimento Computadorizado de Padrões Inflamatórios de Sacroiliíte em Imagens de Ressonância Magnética

• Matheus Calil Faleiros USP
• José Raniery Ferreira Junior USP
• Eddy Javala Jens USP
• Vitor Faeda Dalto USP
• Marcello Henrique Nogueira-Barbosa USP
• Paulo Mazzoncini de Azevedo-Marques USP

DOI: https://doi.org/10.5753/sbcas.2017.3731

Resumo

O método referência para avaliar a inflamação nas articulações sacroilíacas (AS) em espondiloartrites é a ressonância magnética (RM). Porém, ele pode apresentar desafios para especialistas devido a sua variabilidade clínica. Neste contexto, este trabalho visa reconhecer padrões inflamatórios de AS em imagens de RM utilizando atributos de níveis de cinza, textura e espectrais. Os atributos foram extraídos de 51 pacientes e selecionados pelo método ReliefF. A classificação foi realizada por métodos de aprendizado de máquina e avaliados pela área sob a curva ROC utilizando validação cruzada 10-fold. Resultados mostraram que o método de cinco vizinhos próximos apresentou maior precisão do que os outros classificadores.

Referências

Barros, P. (2011) “Epidemiology of Spondyloarthritis in Brazil”, The American Journal of the Medical Sciences, 341(4), 287-288.

Dalto, V., Assad, R., Crema, M., Louzada-Junior, P., Nogueira-Barbosa, M. (2017) “MRI assessment of bone marrow oedema in the sacroiliac joints of patients with spondyloarthritis: is the SPAIR T2w technique comparable to STIR?”, European Radiology, DOI: 10.1007/s00330-017-4746-7.

Frank, E., Hall, M., Witten, I. (2016) “The WEKA Workbench”. Online Appendix for Data Mining: Practical Machine Learning Tools and Techniques, Fourth Edition.

Gonzalez, R., Woods, R. (1993) Digital image processing, Addison-Wesley.

Haralick, R., Shanmugam, K., Dinstein, I. (1973) “Textural Features for Image Classification”. IEEE Transactions on Systems, Man, and Cybernetics, 3(6), 610-621.

JFeatureLib open source project. [link], 02/05/2016. Fontes: Haralick.java - Autor: graf ; Tamura.java - Autor: Marko Keuschnig & Christian Penz ; Histogram.java - Autor: graf;

Kononenko, I. (1994) “Estimating attributes: analysis and extensions of RELIEF”, Machine Learning: ECML-94. Springer Berlin Heidelberg, 171-182.

Maksymowych, W., Inman, R., Salonen, D., Dhillon, S., Williams, M., Stone, M., Spady, B., Palsat, J., Lambert, R. (2005) “Spondyloarthritis research Consortium of Canada magnetic resonance imaging index for assessment of sacroiliac joint inflammation in ankylosing spondylitis”, Arthritis & Rheumatism, 53(5), 703-709.

Pialat, J., Di Marco, L., Feydy, A., Peyron, C., Porta, B., Himpens, P., Boudrigua, A., Aubry, S. (2016) “Sacroiliac joints imaging in axial spondyloarthritis”, Diagnostic and Interventional Imaging, 97(7), 697-708.

Schneider, C., Rasband, W., Eliceiri, K. (2012) "NIH Image to ImageJ: 25 years of image analysis", Nature Methods 9(7): 671-675.

Tamura, H., Mori, S., Yamawaki, T. (1978) “Textural Features Corresponding to Visual Perception”. IEEE Transactions on Systems, Man, and Cybernetics, 8(6), 460-473.