The UTrack framework for segmenting and measuring dermatological ulcers through telemedicine

Autor(es)

Cazzolato, Mirela T. ^[1] ; Ramos, Jonathan S. ^[1] ; Rodrigues, Lucas S. ^[1] ; Scabora, Lucas C. ^[1] ; Chino, Daniel Y. T. ^{[1, 2, 3]} ; Jorge, Ana E. S. ; de Azevedo-Marques, Paulo Mazzoncini ^[4] ; Jr, Caetano Traina ; Traina, Agma J. M. ^[5]

Afiliação do(s) autor(es)

^[1] Univ Sao Paulo, Inst Math & Comp Sci, Sao Paulo, SP - Brazil

^[2] InterlockLedger, Sao Paulo, SP - Brazil

^[3] Fed Univ Sao Carlos UFSCar, Dept Phys Therapy, Sao Paulo, SP - Brazil

^[4] Univ Sao Paulo, Ribeirao Preto Med Sch, Ribeirao Preto - Brazil

^[5] Jr, Jr., Caetano Traina, Univ Sao Paulo, Inst Math & Comp Sci, Sao Paulo, SP - Brazil

• Tipo de documento: Artigo Científico
• Fonte: COMPUTERS IN BIOLOGY AND MEDICINE; v. 134, JUL 2021.
• Citações Web of Science: 0

Resumo

Chronic dermatological ulcers cause great discomfort to patients, and while monitoring the size of wounds over time provides significant clues about the healing evolution and the clinical condition of patients, the lack of practical applications in existing studies impairs users' access to appropriate treatment and diagnosis methods. We propose the UTrack framework to help with the acquisition of photos, the segmentation and measurement of wounds, the storage of photos and symptoms, and the visualization of the evolution of ulcer healing. UTrack-App is a mobile app for the framework, which processes images taken by standard mobile device cameras without specialized equipment and stores all data locally. The user manually delineates the regions of the wound and the measurement object, and the tool uses the proposed UTrack-Seg segmentation method to segment them. UTrackApp also allows users to manually input a unit of measurement (centimeter or inch) in the image to improve the wound area estimation. Experiments show that UTrack-Seg outperforms its state-of-the-art competitors in ulcer segmentation tasks, improving F-Measure by up to 82.5% when compared to superpixel-based approaches and up to 19% when compared to Deep Learning ones. The method is unsupervised, and it semi-automatically segments real-world images with 0.9 of F-Measure, on average. The automatic measurement outperformed the manual process in three out of five different rulers. UTrack-App takes at most 30 s to perform all evaluation steps over high-resolution images, thus being well-suited to analyze ulcers using standard mobile devices. (AU)

• Processo FAPESP: 18/24414-2 - Ambiente para integração de técnicas para a extração de características e bases de dados complexos para o projeto MIVisBD
• Beneficiário: Mirela Teixeira Cazzolato
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Processo FAPESP: 16/17078-0 - Mineração, indexação e visualização de Big Data no contexto de sistemas de apoio à decisão clínica (MIVisBD)
• Beneficiário: Agma Juci Machado Traina
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 16/17330-1 - Armazenamento e Operações de Navegação em Grafos em SGBDs Relacionais
• Beneficiário: Lucas de Carvalho Scabora
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Processo FAPESP: 20/07200-9 - Analisando dados complexos vinculados a COVID-19 para apoio à tomada de decisão e prognóstico
• Beneficiário: Agma Juci Machado Traina
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Processo FAPESP: 20/11258-2 - Consultas por similaridade e interoperabilidade em bases de dados médicos
• Beneficiário: Mirela Teixeira Cazzolato
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Processo FAPESP: 20/10902-5 - Tratamento de consulta por similaridade em dados incompletos em um SGBD Relacional
• Beneficiário: Lucas Santiago Rodrigues
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico