Métodos de segmentação de máculas orais em imagens

A visão computacional vem sendo cada vez mais utilizada para melhorar e agilizar processos na área da saúde. Apesar disso, na área de classificação e segmentação de lesões orais, a quantidade de pesquisas realizadas ainda é pequena. Os cânceres orais e de boca são a 16ª forma de câncer mais comum no mundo e apresentam alta mortalidade quando descobertos tardiamente. Um dos problemas apontados que dificulta a descoberta dessas lesões é a falta de profissionais especializados, lacuna na qual serviços de telediagnóstico e o emprego de inteligência artificial podem auxiliar. A segmentação de lesões já é aplicada na dermatologia, mas ainda existem poucos trabalhos explorando lesões na cavidade oral. Características como bordas e assime tria podem facilitar no diagnóstico de casos de câncer e, por isso, a segmentação é importante. Tecnologias como inteligência artificial e processamento de imagem podem ser usadas para auxiliar na segmentação de lesões orais, tornando o processo mais rápido e possibilitando o atendimento para um maior número de pessoas. Dos poucos trabalhos desenvolvidos, os que obtiveram melhores resultados utilizaram redes de aprendizado de máquina profundo para discriminar as lesões. Em vista disso, o obje tivo deste trabalho é apresentar e avaliar diferentes metodologias para segmentação automática de máculas e manchas orais em imagens fotográficas, utilizando caracte rísticas de intensidade dos pixels. Neste trabalho foram descritos três métodos para segmentação de lesões, eles foram avaliados em acurácia, precisão, recall e F1 score. O terceiro método desenvolvido foi o que melhor performou nas imagens testadas. Ele utilizou uma imagem das projeções criada a partir da original, invertida e em escala de cinzas, e limiarização por Otsu em duas etapas. O método obteve uma acurácia de 0,849, precisão de 0,701, recall de 0,753 e F1 score de 0,608. Os resultados foram satisfatórios, visto que são razoavelmente similares aos dos trabalhos relacionados, mesmo sem o emprego de algoritmos complexos e aprendizado de máquina.