Segmentação automática de imagens de ressonância magnética cerebral para auxílio ao diagnóstico de esquizofrenia

Abstract

O termo esquizofrenia (esquizo=divisão, phrenia=mente) foi cunhado por Bleuler (1857-1939) e caracteriza um transtorno mental, geralmente de início insidioso, cujos principais aspectos observados são: alucinações e delírios, transtornos de pensamento e fala, perturbação das emoções, afeto e déficits cognitivos. Seus primeiros sinais e sintomas, via de regra, ocorrem no início da adolescência ou da vida adulta, afetando sobremaneira a qualidade de vida do paciente e de seus familiares. A doença é envolvida de muitos tabus, possuindo muitas lacunas a serem preenchidas. Uma dessas lacunas está relacionada ao diagnóstico. Atualmente, o diagnóstico da doença é fundamentado no quadro clínico apresentado pelo próprio paciente por meio de uma entrevista padronizada baseada no DSM-V- Manual de Diagnóstico e Estatístico de Transtornos Mentais. Todavia, esta entrevista torna-se subjetiva devido a uma possível inconsistência das informações fornecidas por pacientes que sofrem de delírio e alucinação. Outro ponto importante é que o quadro clínico apresentado se sobrepõe ao de outros transtornos, dificultando seu diagnóstico e, consequentemente, a vida dos portadores de esquizofrenia. Ademais, nas últimas décadas, pesquisadores afirmam que existem desvios anatômicos da normalidade que podem ou não estar ligadas à doença como, por exemplo, a dilatação do sistema ventricular. Todas estas informações foram obtidas por meio de análise de imagens de ressonância magnética. Diante deste contexto, com as imagens adquiridas por meio da ressonância magnética fornecidas pela Biomedical Informatics Research Network, BIRN, que é um banco de dados projetado para fins de compartilhamento de dados biomédicos, foi possível desenvolver um algoritmo que serve de auxílio ao diagnóstico que extrai parâmetros, de forma automática, do sistema ventricular cerebral com o intuito de verificar alterações anatômicas que possam estar correlacionadas com a presença ou não da esquizofrenia. Desta forma, foi viável a utilização de ferramentas na área de processamento de imagens como a DWT (do inglês, Discrete Wavelet Transform), a DT-CWT (do inglês, Dual-Tree Complex Wavelet Transform) e a Transformada Contourlet com a finalidade de se obter o contorno do sistema ventricular. Este será nosso objeto de interesse. Esta região, como dito anteriormente, foi escolhida com a intenção de se analisar uma possível ligação entre a doença e sua dilatação. Em seguida, uma segmentação baseada em GLCM, Matriz de Coocorrência de Níveis de Cinza, foi aplicada objetivando delinear o sistema ventricular. Esta etapa do projeto foi de fundamental importância, já que era essencial uma demarcação coerente para que, na classificação, os parâmetros extraídos fossem fidedignos e confirmassem se a averiguação da presença da doença por meio do sistema ventricular era válida. Além disso, a classificação, que usou 70% dos parâmetros para treinamento e 30% para validação, serviu também para validar a segmentação. Outras ferramentas utilizadas no processo foram a morfologia matemática e os superpixels. Após a classificação, foram obtidos resultados como a confirmação diagnóstica dos pacientes portadores de esquizofrenia com especificidade de 75% e precisão de 71%. Além disso, é reduzida a chance de falso-negativo, haja vista a acurácia de 70%. Com estes resultados foi possível validar a segmentação por meio da GLCM, pois a dilatação do sistema ventricular se mostrou uma característica que distingue o grupo de controle do grupo de portadores de esquizofrenia. Por fim, as imagens segmentadas foram reconstruídas, buscando apresentar os cortes axiais, coronais e sagitais, que também ratificam a segmentação das imagens ao apresentar o sistema ventricular realçado.