Dados do Trabalho

Título

Análise de Texturas para Diferenciação de Achados em Derrame Pleural Malignos e Não-Malignos

Introdução

Análise de Texturas para Diferenciação de Achados em Derrame Pleural Malignos e Não-Malignos. Objetivo: diferenciar achados em derrame pleural malignos e não-malignos.

Casuística e Métodos

Foram utilizados exames retrospectivos de TC de tórax de 41 pacientes. Para a aquisição de imagens, agentes de contraste venoso foram utilizados. Incluímos pacientes com derrame pleural submetidos a algum procedimento de biópsia, sendo que o exame anatomopatológico, foi utilizado como padrão ouro para a confirmação do diagnóstico. Os exames foram divididos em três grupos: Verdadeiro Positivo (VP) (n=8), pacientes com exame citopatológico do líquido e biópsia da pleura positivos, Verdadeiro Negativo (VN) (n=17), pacientes com exame citopatológico do líquido e biópsia da pleura negativos e Falso Negativo (FN) (n=16), pacientes com exame citopatológico do líquido negativo e biópsia da pleura positiva. O algoritmo permitiu a extração de 62 características estatísticas das regiões de interesse (ROIs) dentro da área de derrame pleural. O corte tomográfico escolhido para extração foi o que apresentou a maior área afetada, sendo utilizado para a disposição das ROIs por dois especialistas em radiologia. Posteriormente, implementamos o método de aprendizado de máquinas para classificação dos grupos. Os métodos utilizados foram: neural network, naive bayes, random forest e logistic regression.

Resultados

Os resultados foram expressos em função da área sob a curva ROC. O método proposto foi capaz de obter uma boa diferenciação tanto para análise de VP versus VN (0,840 ± 0,02 de AUC usando o algoritmo de logistic regression) quanto para análise de VP versus FN (0,811 ± 0,05 de AUC usando o algoritmo de logistic regression); para a análise de VN versus FN, o método alcançou uma diferenciação regular (0,725 ± 0,02 de AUC usando o algoritmo naive bayes).

Conclusões

Os resultados foram expressos em função da área sob a curva ROC. O método proposto foi capaz de obter uma boa diferenciação tanto para análise de VP versus VN (0,840 ± 0,02 de AUC usando o algoritmo de logistic regression) quanto para análise de VP versus FN (0,811 ± 0,05 de AUC usando o algoritmo de logistic regression); para a análise de VN versus FN, o método alcançou uma diferenciação regular (0,725 ± 0,02 de AUC usando o algoritmo naive bayes).

Palavras Chave

derrame pleural; análise de texturas; aprendizado de máquinas; tomografia computadorizada; metástase pleural.

Área

Inteligência Artificial, Inovação e Telerradiologia