Extração de características radiômicas para classificação de nódulos pulmonares utilizando SVM e BRF

Abstract

Resumo : O câncer de pulmão é uma das principais causas de mortalidade no mundo, sendo o diagnóstico precoce fundamental para aumentar as chances de sucesso no tratamento. Nesse contexto, a análise de imagens médicas, aliada a técnicas de inteligência artificial e à radiômica, têm se destacado como uma estratégia promissora no apoio ao diagnóstico. Este trabalho tem como objetivo avaliar o desempenho dos algoritmos Support Vector Machine (SVM) e Balanced Random Forest (BRF) na classificação de imagens de tomografia computadorizada (TC) para a identificação de nódulos pulmonares. O primeiro passo foi submeter as imagens a um processo de pré-processamento, que inclui limpeza, transformação e redução dos dados. A extração das características radiômicas foi realizada através da biblioteca PyRadiomics, envolvendo descritores estatísticos de primeira ordem, características de textura e métricas relacionadas à forma das regiões de interesse. Em seguida, os dados foram utilizados para treinar e validar os modelos de aprendizado de máquina, considerando técnicas para lidar com o desequilíbrio das classes "nódulo"e "não nódulo"da base de dados. Os resultados indicaram um desempenho limitado de ambos os modelos. O SVM apresentou maior sensibilidade (0,762) e F1-score (0,477), o que significa que conseguiu identificar uma maior parte dos casos positivos, porém com uma precisão muito baixa (0,349), resultando em muitos falsos positivos. O BRF obteve uma especificidade maior (0,871) e uma precisão razoavelmente maior (0,442), mas com recall baixo (0,492) e F1-score baixo (0,463), mostrando que o modelo falhou em detectar corretamente a maioria dos nódulos. De forma geral, ambos os modelos apresentaram desempenho insatisfatório, evidenciando a dificuldade em lidar com os desafios relacionados principalmente ao desbalanceamento da base de dados. Esses resultados ressaltam a necessidade de aprimoramento nas etapas de pré-processamento, seleção de atributos e na escolha de algoritmos mais robustos para esse tipo de tarefa

Abstract : Lung cancer is one of the leading causes of mortality worldwide, with early diagnosis being essential to improve treatment success rates. In this context, medical image analysis combined with artificial intelligence techniques and radiomics has emerged as a promising strategy to improve diagnosis. This study aims to evaluate the performance of the Support Vector Machine (SVM) and Balanced Random Forest (BRF) algorithms in classifying computed tomography (CT) images for the identification of pulmonary nodules. The first step involved a preprocessing pipeline, including data cleaning, transformation, and reduction. Radiomic feature extraction was performed using the PyRadiomics library, covering first-order statistical descriptors, texture features, and shape-related metrics from the regions of interest. The extracted features were then used to train and validate machine learning models, applying techniques to handle the class imbalance between "nodule" and "non-nodule" samples in the dataset. The results indicated a limited performance for both models. The SVM showed higher sensitivity (0.762) and F1-score (0.477), meaning it was able to identify a greater portion of positive cases; however, it achieved a very low precision (0.349), resulting in a high number of false positives. The BRF obtained higher specificity (0.871) and a slightly better precision (0.442), but with low recall (0.492) and a low F1-score (0.463), indicating that the model failed to correctly detect most nodules. Overall, both models demonstrated unsatisfactory performance, highlighting the challenges mainly related to the class imbalance in the dataset. These results emphasize the need for improvements in preprocessing steps, feature selection, and the adoption of more robust algorithms for this type of task