Resumo
O câncer colorretal causa a morte de milhares de pessoas em todo o mundo, de acordo com a Organização Mundial da Saúde. Nesse contexto, imagens histológicas são usadas por especialistas para avaliar e identificar o nível de avanço da doença. A análise manual dessas imagens é um processo que apresenta algumas desvantagens: (i) pode demandar tempo excessivo à rotina clínica, devido à quantidade de características a serem observadas; e (ii) pode apresentar natureza tendenciosa, pois o trabalho do especialista é guiado por meio de experiências passadas e nem sempre existe uma segunda opinião. O reconhecimento automático do tecido da região afetada, através de um exame de imagem é essencial para o diagnóstico precoce da doença. A maioria das pesquisas consiste em empregar descritores de textura para capturar características do tumor e classificá-lo em benigno e maligno. Uma classificação multiclasse acurada é desafiadora devido à complexidade e diversidade dos tecidos colorretais. Recentemente, pesquisas mostraram que a análise de padrões estruturais de textura degradada por uma filtragem de imagens fornece recursos valiosos para pré-diagnóstico em várias aplicações médicas. Portanto, esse trabalho propõe uma abordagem para classificação automática de oito tipos de tecidos colorretal usando Matriz de Coocorrência Estrutural (do inglês, Structural Co-occurrence Matrix). Foram realizados experimentos em 5000 amostras de tecido de um conjunto de imagens público para avaliar a abordagem, considerando dois cenários: caracterização multiclasse do tecido colorretal usando características da Matriz de Coocorrência Estrutural de forma isolada; e combinada com características de outros descritores bem conhecidos na literatura. Os resultados mostram que a estratégia melhora o estado da arte, alcançando, acurácia: 91.30%; precisão: 91.41%; revocação: 91.31%; especificidade: 98.76% e F : 91.31%. 1