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 e a chave para o tratamento do paciente. Neste trabalho e proposta a transformação das imagens desses tumores em series temporais, descritores do formato do tumor, e a aplicação de algoritmos de agrupamento para a análise de padrões utilizando as distancias Euclidiana e DTW. Os modelos desenvolvidos alcançaram um coeficiente de Silhueta de 0,58 utilizando a medida DTW e 0,47 utilizando a distancia 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.

Within the category of tumors with primary location in the brain, gliomas are the most common and aggressive, with a high mortality rate. Identification of these tumors along with early treatment is the key to patient care. This work proposes the transformation of images of these tumors into time series, descriptors of tumor shape, and the application of clustering algorithms for pattern analysis using DTW and Euclidean distances. The models used were able to obtain a Silhouette coefficient of 0.58 using the DTW measure and 0.47 using the Euclidean distance. 48% of the instances were grouped into 3 clusters that describe similarities in tumor size and shape. These results are preliminary and still need to be discussed with domain experts to verify the patterns found.