As imagens por ressonância magnéticas não indispensáveis no diagnóstico e tratamento de tumores do encéfalo devido ao seu alto grau de detalhamento anatômico. A tarefa de segmenta¸cão da região tumoral, nestas, permite uma análise quantitativa mais precisa, viabilizando um melhor acompanhamento da evolução/regressão da doença. Porém, a realização manual de tal trabalho é cansativa e apresenta diversas desvantagens que a tornam proibitiva, fazendo com que nao haja muitos médicos dispostos a realizá-la rotineiramente. Neste trabalho é proposto um sistema para segmenta¸cão automática de tumores do encéfalo. O sistema emprega parâmetros de textura de naturezas diversas, como estatísticos, baseados em modelo, e baseados em transformada, os quais são extraídos de diferentes tipos de imagem comuns à pratica médica (T1, T1 com contraste e FLAIR). As técnicas de análise de textura são capazes de detectar alterações mínimas nos tecidos, às vezes imperceptíveis à visão humana, fato que motiva sua adoção; e podem ser complementadas por informações adicionais como valores de intensidade. O sistema proposto conta com quatro etapas básicas: pré-processamento, extração de características, segmentação e pós-processamento; e baseia-se no uso de uma máquina de vetor de suporte para classificação dos pixeis. Os resultados obtidos mostram que o sistema apresenta uma taxa média de acerto elevada, comparável aos resultados encontrados em trabalhos relacionados, sendo capaz de localizar e delimitar a região tumoral sem necessidade de interação com o usuário. A quantificação dos resultados foi realizada utilizando-se métricas de artigos encontrados na literatura.

Magnetic resonance images are essential in the diagnosing and treatment of brain tumors due to its high amount of anatomic details. The task of segmenting brain tumor regions in these images makes more exact quantitative analysis feasible, allowing a better tracking of the evolution/regression of the disease. Nevertheless, the execution of such task is burdensome, featuring several drawbacks that turns it into a prohibitive one, and makes many doctors unwilling to put it into practice. In this work an automatic brain tumor segmentation system is proposed, in which several types of texture parameters such as statistical, model based and transform based, are applied. Those parameters are extracted from different, extensively used, types of magnetic resonance images (T1, T1 with contrast and FLAIR). Texture analysis techniques are capable of detecting tiny changes in underlying tissue, which are sometimes imperceptible to the human vision, fact that motivates its adoption here. Texture features can also be completed by other kinds of characteristics, such as pixel intensity. The proposed system comprises four basic steps: pre-processing, feature extraction, segmentation, and post-processing, and is based on a support vector machine for pixel classification. Final results shows that the system archived high success rates, which are comparable to results found in related works, and that it was able to locate and delimit tumor areas without any user interaction. For the quantification of the results, some metrics found in papers presented in the literature were adopted.