Avaliação de métodos de segmentação aplicados a imagens de raio-X panorâmico dos dentes

Abstract

A área de Reconhecimento de Padrões tem auxiliado em pesquisas que envolvem extração de informação odontológicas em imagens de raio-X para realização de diagnósticos sobre os pacientes. Por meio de imagens obtidas com o exame radiológico (raio-X), o odontólogo pode analisar toda a estrutura dentária e construir (caso necessário) o plano de tratamento do paciente. Dentre os exames radiológicos, existe a Ortopantomografia (raio-X panorâmico), que possibilita identificar irregularidades dentárias, como por exemplo: os dentes inclusos, anormalidades ósseas, quistos, tumores, infeções, fraturas, dentre outras. No entanto, a análise depende de um trabalho cuidadoso do profissional e esta não é realizada de forma automática, principalmente devido à dificuldade de existirem ferramentas computacionais capazes de extrair as características dessas imagens da forma desejada. O objetivo deste trabalho é, portanto, realizar uma revisão de métodos de segmentação de imagens, demonstrando a aplicação de cada um deles em imagens de raio-X (panorâmico), com o objetivo principal de isolar os dentes para facilitar a sua análise. Sendo assim, uma avaliação extensa do desempenho dos algoritmos de segmentação é realizada para determinar qual método de segmentação é o mais indicado para adaptação ao domínio do problema estudado, possibilitando diferenciar os dentes de outros elementos, nas imagens analisadas. Para alcançar este objetivo, a metodologia comumente utilizada em pesquisas na área é adotada, realizando análise qualitativa durante as primeiras etapas que são a coleta e anotação de datasets (catalogando as imagens que serão analisadas) e pré-processamento (utilizando técnicas para preparar as imagens para as etapas subsequentes), e, Logo após, realizando análise quantitativa e experimental, a partir das anotações das imagens, que correspondem a demarcações dos objetos de interesse nas imagens, obtidas de forma manual. Este processo permite viabilizar uma posterior comparação entre os resultados obtidos automaticamente por meio dos algoritmos de segmentação e a segmentação feita manualmente pelo processo de anotação. Por fim, durante as etapas de segmentação das imagens, são utilizados algoritmos responsáveis por separar os conjuntos de características extraídas, entre aquelas mais prováveis de pertencerem aos objetos de interesse e aquelas menos prováveis. Em seguida, os resultados são analisados utilizando as métricas: Precisão (Precision), Recall também chamada de Sensibilidade (Sensitivity), Especificidade (Specificity), Taxa de Acerto (accuracy) e a medida F-score, para medição de desempenho dos algoritmos de segmentação estudados e verificando qual deles alcançou os melhores resultados. Esta pesquisa visa, portanto, contribuir para a construção futura de um modelo sistematizado para detecção automatizada de possíveis anomalias dentárias, e que produzirá informações que servirão de base para uma segunda opinião ao diagnóstico médico dentário.

ABSTRACT:

The Pattern Recognition area has helped in research involving the extraction of dental information from X-ray images to perform diagnoses on patients. Through images obtained with the radiological examination (X-ray), the dentist can analyze the entire tooth structure and build (if necessary) the patient's treatment plan. Among the radiological exams, there is Orthopantomography (panoramic X-ray), which makes it possible to identify dental irregularities, such as: impacted teeth, bone abnormalities, cysts, tumors, infections, fractures, among others. However, the analysis depends on a careful work of the professional and it is not performed automatically, mainly due to the difficulty of having computational tools capable of extracting the characteristics of these images in the desired way. The objective of this work is, therefore, to carry out a review of image segmentation methods, demonstrating the application of each one of them in X-ray (panoramic) images, with the main objective of isolating the teeth to facilitate their analysis. Therefore, an extensive evaluation of the performance of the segmentation algorithms is carried out to determine which segmentation method is the most suitable for adaptation to the domain of the studied problem, making it possible to differentiate teeth from other elements in the analyzed images. To achieve this objective, the methodology commonly used in research in the area is adopted, performing qualitative analysis during the first stages, which are the collection and annotation of datasets (cataloging the images that will be analyzed) and pre-processing (using techniques to prepare the images for the subsequent steps), and, Soon after, performing quantitative and experimental analysis, from the annotations of the images, which correspond to the demarcations of the objects of interest in the images, obtained manually. This process allows for a subsequent comparison between the results obtained automatically through the segmentation algorithms and the segmentation performed manually by the annotation process. Finally, during the image segmentation steps, algorithms are used responsible for separating the sets of extracted features, between those most likely to belong to the objects of interest and those less likely. Then, the results are analyzed using the following metrics: Precision, Recall also called Sensitivity, Specificity, Accuracy and the F-score measure, to measure the performance of the algorithms of segmentation studies and verifying which one achieved the best results. This research aims, therefore, to contribute to the future construction of a systematized model for the automated detection of possible dental anomalies, which will produce information that will serve as a basis for a second opinion on dental medical diagnosis.