Transformando imagens de segmentos de tumores cerebrais em séries temporais para mineração de dados

Abstract

Dentro da categoria de tumores com localização primária no cérebro, os gliomas são os mais comuns e agressivos, possuindo uma alta taxa de mortalidade. A identificação desses tumores junto ao tratamento precoce é a chave para o tratamento do paciente. Neste trabalho é proposta a transformação das imagens desses tumores em séries temporais, descritores do formato do tumor, e a aplicação de algoritmos de agrupamento para a análise de padrões utilizando as distâncias Euclidiana e DTW. Os modelos desenvolvidos alcançaram um coeficiente de Silhueta de 0,58 utilizando a medida DTW e 0,47 utilizando a distância euclidiana. Foram agrupadas cerca de 48% das imagens tumorais em 3 agrupamentos que descrevem semelhanças de tamanho e formato de tumor. Esses resultados são preliminares e ainda devem ser discutidos com especialistas do domínio para a verificação dos padrões encontrados.