III WVC 2007 - Iris.sel.eesc.sc.usp.br - USP

WVC'2007 - III Workshop de Visão Computacional, 22 a 24 de Outubro de 2007, São José do Rio Preto, SP............Seleção dePontos ManualMatriz dePele/Não PeleMatriz deFeridasEntradas daRede NeuralRede NeuralMLPTREINAMENTOEtapa 1Etapa 2Figura 3 - Primeira fase da abordagem proposta.A primeira fase da metodologia proposta se divide emduas etapas. Na primeira são obtidas características deentrada para a rede neural (características de cor) e nasegunda etapa estas características são aplicadas na redeneural para o seu treinamento – Figura 3.2.1. Treinamento da ANNO treinamento da ANN foi aplicado as 25 primeirasimagens do banco de imagens; estas numeradas de 1 a 50.As características extraídas (padrões de treinamento)são aplicadas a uma ANN MLP Feedforward, com oalgoritmo de treinamento Backpropagation, [10], aarquitetura mais utilizada para classificação de padrõesem trabalhos de diversas áreas, sendo que as imagens deúlcera cutâneas foram geradas no modelo de cores RGB.As características do treinamento são: Os dois vetores de características sãoconcatenados para formar a matriz de treinamento. O bias,características RGB e a saída desejável são colocadas emvariáveis separadas, respectivamente; e as característicasRGB normalizadas para o intervalo de [-1, 1]; A Rede é inicializada utilizando a funçãomínimo/máximo da matriz de treinamento; O treinamento da rede neural foi feito utilizandoa função de ativação sigmóide tangente-hiperbólica (servepara que os valores das características RGB não saiam dointervalo normalizado) para as três camadas ocultas darede neural e mais a camada de saída; é utilizado ogradiente de momento; Os valores de outros parâmetros utilizados nestealgoritmo e na Rede Neural serão especificados nospróximos tópicos.2.2. Teste da ANN (Classificação das Imagens)Na segunda fase ou Fase de Testes, verifica-se aeficiência da rede neural na segmentação das 50 imagensa partir dos resultados obtidos no treinamento. Um pósprocessamentoé necessário para eliminar alguns ruídosrestantes e preparar melhor a imagem para classificaçãodos tecidos. A figura 4 apresenta a segunda fase daabordagem proposta. As técnicas empregadas são asoperações morfológicas de erosão e dilatação [9], [15].Finalmente os tecidos das imagens são classificados combase na contagem de pixels, relacionadas às coressimilares às dos tipos de tecidos – pixels de cor vermelhapara granulação e amarela para fibrina. Foi tambémcalculada a porcentagem desses dois tipos de tecidos e aárea da úlcera na imagem.O algoritmo implementado (Teste da ANN) possui osseguintes passos:1) Segmentação das Imagens;2) Pós-Processamento: As imagens são processadasatravés de dilatação e erosão e sobreposição de imagensafim de eliminar ruídos e restar apenas a região da ferida;3) Contagem dos pixels referentes ao tecido degranulação e fibrina/esfácelo e cálculo da percentagemreferente a cada tecido na imagem;4) Geração de uma imagem com marcações, na qualsão contados os pixels referentes à granulação e fibrina:os pixels brancos são os de tecido de granulação e osoutros são os de tecido de fibrina;8