Resumo
Segundo a American Cancer Society, o melanoma é um dos tipos mais comuns de câncer no mundo. Em 2017, aproximadamente 87.110 novos casos de câncer de pele foram diagnosticados apenas nos Estados Unidos. Um dermatoscópio é uma ferramenta que captura imagens de lesões com alta resolução e é uma das principais ferramentas clínicas para diagnosticar, avaliar e monitorar esta doença. Este artigo apresenta uma nova abordagem para classificar automaticamente a lesão usando Matriz Estrutural de Coocorrência (SCM) sobre imagens dermatoscópicas após um filtro passa-faixa utilizando a transformada de fourier. A principal vantagem dessa abordagem consiste em transformar o SCM em um extrator de características adaptativo, melhorando seu poder de discriminação usandoapenasaimagemcomoparâmetro.Asimagensforamcoletadasdasbasesdeimagem International Skin Imaging Collaboration (ISIC) 2016, 2017 e do Hospital Pedro Hispano (PH 2). Especificidade (Spe), sensibilidade (Sen), valor preditivo positivo, F Score, média harmônica, acurácia (Acc) e área sob a curva (AUC) foram utilizados para verificar a eficiência do SCM. Os resultados mostram que o SCM no domínio da freqüência trabalha automaticamente, onde obteve melhores resultados em comparação com os extratores local binary pattern, gray-level co-occurrence matrix e momentos invariantes de Hu, bem como em comparação com trabalhos recentes com os mesmos conjuntos de dados