Computer-Aided Diagnosis of Lung Nodules in Computed Tomography by Using Phylogenetic Diversity, Genetic Algorithm, and SVM

Abstract

Lung cancer is pointed as the major cause of death among patients with cancer throughout the world. This work is intended to develop a methodology for diagnosis of lung nodules using images from the Image Database Consortium and Image Database Resource Initiative (LIDC-IDRI). The proposed methodology uses image processing and pattern recognition techniques. In order to differentiate between the patterns of malignant and benign nodules, we used phylogenetic diversity by means of particular indexes, that are: intensive quadratic entropy, extensive quadratic entropy, average taxonomic distinctness, total taxonomic distinctness, and pure diversity indexes. After that, we applied the genetic algorithm for selection of the best model. In the tests' stage, we applied the proposed methodology to 1405 (394 malignant and 1011 benign) nodules. The proposed work presents promising results at the classification into malignant and benign, achieving accuracy of 92.52%, sensitivity of 93.1% and specificity of 92.26%. The results demonstrated a good rate of correct detections using texture features. Since a precocious detection allows a faster therapeutic intervention, thus a more favorable prognostic to the patient, we propose herein a methodology that contributes to the area in this aspect.

Classificação de Gliomas Utilizando Índices de Biodiversidade e de Diversidade Filogenética em Imagens por Ressonância Magnética Através de uma Abordagem Radiomics

“…Inspirado por resultados publicados por estudos recentes [de Carvalho Filho et al 2017, Neto et al 2018] que utilizamíndices filogenéticos em problemas envolvendo a classificação de nódulos pulmonares, nosso estudo combiná ındices de diversidade filogenética aosíndices de biodiversidade anteriormente descritos para serem usados como atributos no problema de classificação de gliomas entre HGG e LGG. Para capturar a noção de distância entre espécies em nosso contexto de imagens médicas, foram reproduzidos os mesmos procedimentos utilizados nos trabalhos citados anteriormente.…”

“…Através das imagens por ressonância magnética fornecidas pelo desafio BraTS 2018 (Multimodal Brain Tumor Segmentation Challenge 2018) [Menze, B. H. et al 2015, Bakas et al 2017] são calculadosíndices de biodiversidade e de diversidade filogenética, que serão utilizados como atributos em algoritmos de machine learning de classificação. Trabalhos anteriores [de Carvalho Filho et al 2017, Neto et al 2018] utilizaramíndices filogenéticos em problemas relacionados a nódulos pulmonares, apresentando excelentes resultados. Do mesmo modo, os modelos aqui apresentados mostram que taisíndices, em conjunto comíndices de biodiversidade, possuem um grande poder discriminativo no problema de classificação de gliomas, gerando resultados comparáveisàqueles já existentes.…”

Classificação do câncer de pulmão de células não pequenas usando índice de diversidade filogenética e índices de forma em uma abordagem Radiomics

“…A metodologia desenvolvida para classificação de NSCLC (carcinoma de célula grande, carcinoma de células escamosas, adenocarciona, adenocarcinoma de mutação negativa e não especificados) seguiu algumas etapas: primeiramente houve a aquisição das imagens; porteriormente, foram extraídos os nódulos pulmonares de acordo com as marcações dos especialistas na base; em seguida, houve a extração das características a partir deíndices de diversidade filogenética ([de Carvalho Filho et al 2017]) e de forma; depois, utilizouse a ferramenta WEKA [Hall et al 2009] para classificação. A ilustração da metodologia pode ser observado na Figura 1.…”

Distinguishing Adenocarcinomas From Granulomas in the CT Scan of the Chest: Performance Degradation Evaluation in the Automatic Segmentation Framework

“…In the first stage of the automatic CADxs, the boundary of the delineated nodules is determined by the radiomic features and segmentation methods [4,5,6,7]. On the other hand, in the manual CADxs [8,9,10,11,12,13,14], the boundary of the suspicious nodules are identified completely by radiologists.…”