Resumo
O câncer de pulmão é considerado a maior causa de morte por câncer no mundo. A fim de reduzir essa taxa de mortalidade, diversos sistemas de auxílio ao diagnóstico médico são desenvolvidos. De forma a contribuir com esse avanço, esta dissertação apresenta uma nova abordagem para a classificação de nódulos pulmonares quanto à malignância. Esta abordagem consiste em utilizar o extrator de características Matriz de Coocorrência Estrutural (Structural Co-occurence Matrix, SCM) em imagens de nódulos e fornecer as características obtidas a um classificador, o qual foi utilizado para rotular o nódulo em análise como maligno ou benigno e para indicar o nível de malignância do mesmo. Os exames de Tomografia Computadorizada (TC) utilizados neste trabalho são provenientes da base de imagens Lung Image Database Consortium and Image Database Resource Initiative (LIDC/IDRI), a qual fornece a posição e o nível de malignância dos nódulos para cada exame. A fim de obter a melhor performance do extrator SCM, o mesmo foi aplicado em imagens com intensidades de pixels em níveis de cinza variando de 0 a 255 e em Unidades Hounsfield (UH). Além dos dois tipos de imagem, a SCM foi utilizada com os filtros da média, laplaciano, gaussiano e sobel, tanto nas imagens em níveis de cinza quanto em UH, resultando em oito configurações diferentes desse extrator. Em relação a etapa de classificação, os classificadores Perceptron Multicamadas (Multilayer Perceptron, MLP), Máquina de Vetores de Suporte (Support Vector Machine, SVM) e K-vizinhos mais próximos (K-nearest Neighbors, K-NN) são aplicados. A fim de validar a aplicação do extrator SCM, o mesmo tem seus resultados comparados aos dos extratores Matriz de coocorrência de tons de cinza (Gray-Level Co-occurrence Matrix, GLCM), Padrões binários locais (Local Binary Patterns, LBP), Momentos centrais (MC) e Momentos estatísticos (ME). Além dessa comparação, outros resultados da literatura são apresentados e comparados. Tanto na classificação dos nódulos em maligno ou benigo e em níveis de malignância,aSCMmostrou-secomoamelhorabordagem,alcançando96,7%deacuráciae de F-Score na classificação binária e 74,5% de acurácia e 53,2% de F-Score na classificação multiclasse. Com esses resultados, o uso da SCM para a classificação da malignância de nódulos se mostra eficiente, além de possuir bons tempos de aplicação, podendo ser utilizado como uma ferramenta de auxílio ao diagnóstico médico, contribuindo para que especialistas conquistem resultados