Algoritmo para detecção, classificação e quantificação de rugas em imagens ópticas ampliadas
Data
2023
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Brasil
Resumo
A análise do relevo cutâneo é crucial no desenvolvimento de novos produtos para o cuidado da pele, bem como na avaliação de tratamentos dermatológicos. A análise pode ser realizada por métodos qualitativos ou quantitativos. No presente trabalho, propõe-se o desenvolvimento de um novo algoritmo para classificação, detecção e quantificação de rugas através do processamento de imagem de um dermatoscópio digital. Foram realizados dois estudos clínicos, um com 90 participantes de pesquisa e outro com 33 participantes da pesquisa, nos quais foram coletadas imagens com o dermatoscópio e equipamento PRIMOS® para avaliação de rugas. No primeiro estudo foram coletadas imagens para a identificação de características dessa imagem, para posterior separação em grupos segundo os diferentes graus de rugas. No segundo estudo foram coletadas imagens em dois momentos distintos: Dia 0 (D0) e 45 dias (D45) após o uso de um roduto dermocosmético. Foi então realizada uma separação de grupos no conjunto de imagens coletadas no primeiro estudo, nos quais foi aplicado o treinamento de uma rede neural convolucional para a avaliação das imagens, a acurácia da rede neural foi de 8,5%. Posteriormente, foi desenvolvido um novo algoritmo para detectar rugas nas imagens adquiridas no segundo estudo, através da aplicação de filtros e transformações de imagem que geram uma imagem segmentada destacando as rugas. A partir dos pixels pertencentes às rugas, é proposto um método de cálculo de rugosidade. Verificou-se a correlação entre os valores obtidos pelo equipamento PRIMOS® e o sistema proposto. Não foi encontrada correlação para os dados obtidos em D0, porém, houve correlação no tempo D45 pelo coeficiente de similaridade de Spearman. Ao comparar a rugosidade entre os tempos D0 e D45, o tratamento foi estatisticamente significativo tanto para o PRIMOS® quanto para os dados da metodologia proposta. O algoritmo de detecção de rugas, além do cálculo da rugosidade, demonstrou sensibilidade comparável ao sistema PRIMOS® na avaliação da eficácia do tratamento dermocosmético, identificando diferenças entre tratamentos e a aplicação da rede neural convolucional demonstrou sensibilidade na classificação de rugas. Considerando a simplicidade do design do dermatoscópio, em comparação com outros dispositivos consagrados como o PRIMOS®, o sistema proposto é promissor como alternativa para avaliações dermatológicas.
Abstract
The analysis of skin relief is crucial in the development of new skin care products, as well as in the evaluation of dermatological treatments. The analysis can be performed by qualitative or quantitative methods. In the present work, it is proposed the development of a new algorithm for classification, detection, and quantification of wrinkles through the image processing from a digital dermatoscope. Two clinical studies were carried out, one with 90 research participants and another with 33 research participants, in which images were collected with the dermatoscope and PRIMOS® equipment for the evaluation of wrinkles. In the first study, images were collected to identify characteristics of the images, for subsequent separation into groups according to the different degrees of wrinkles. In the second study, images were collected at two different times: Day 0 (D0) and after 45 days (D45) using a dermo cosmetic product. A separation of groups was then performed on the set of images collected in the first study, in which the training of a convolutional neural network was applied to evaluate the images, the accuracy of the neural network was 78.5%. Subsequently, a new algorithm was developed to detect wrinkles in the images acquired in the second study, through the application of filters and image transformations that generate a segmented image highlighting the wrinkles. From the pixels belonging to the wrinkles, a roughness calculation method is proposed. The correlation between the values obtained by the PRIMOS® equipment and the proposed system was verified. No correlation was found for the data obtained at D0, however, there was a correlation at time D45 by Spearman's similarity coefficient. When comparing the roughness between times D0 and D45, the treatment was statistically significant both for PRIMOS® and for the proposed methodology data. The wrinkle detection algorithm, in addition to the roughness calculation, demonstrated sensitivity comparable to the PRIMOS® system in evaluating the efficacy of the dermo cosmetic treatment, identifying differences between treatments and the convolutional neural network was able to classify wrinkles. Considering the simplicity of the dermoscope design, compared to other established devices such as the PRIMOS®, the proposed system is promising as an alternative for dermatological evaluations.
Descrição
Palavras-chave
Processamento de imagens, Rugas, Redes neurais