Orientador: Alexandre Xavier Falcão

Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação

Resumo: Atualmente, doenças respiratórias afetam uma grande parcela da população mundial. A melhor maneira para detecção e análise desse tipo de doença é o diagnóstico por imagem, principalmente a tomografia computadorizada (CT). Sistemas de apoio ao diagnóstico foram desenvolvidos para auxiliar...

Resumo: Atualmente, doenças respiratórias afetam uma grande parcela da população mundial. A melhor maneira para detecção e análise desse tipo de doença é o diagnóstico por imagem, principalmente a tomografia computadorizada (CT). Sistemas de apoio ao diagnóstico foram desenvolvidos para auxiliar especialistas clínicos na análise de imagens de CT e na obtenção de diagnósticos precisos e rápidos. Em tais sistemas, a segmentação dos pulmões é um passo primordial a ser realizado, sendo fundamental para análises quantitativas. Ao longo dos últimos anos, muitos métodos de segmentação dos pulmões foram propostos. Entretanto, eles sofrem de pelo menos uma das seguintes limitações: alto tempo computacional, fracas condições para separação da traqueia e de cada pulmão, e um número limitado de amostras para validação. Abordando tais limitações, esta dissertação de mestrado propõe um método rápido e automático chamado Automatic Lung and Trachea Image Segmentation (ALTIS), para segmentação dos pulmões e da traqueia em imagens de CT do tórax. O método ALTIS se fundamenta na competição ótima de sementes para segmentar os pulmões e a traqueia em tempo proporcional ao tamanho da imagem. Ele consiste de uma rápida sequência de operações de processamento de imagem baseadas em características anatômicas que são robustas para a maioria das variações de forma e aparência dos pulmões. Isto é, a partir da premissa de que o sistema respiratório em uma imagem de CT representa o maior objeto cercado por tecido mais claro, os pulmões e a traqueia são extraídos criando o volume de interesse. Considerando que os pulmões direito e esquerdo são mais largos do que a traqueia e que a traqueia é um objeto longo e distante dos pulmões, sementes com rótulos diferentes dentro de cada um desses componentes são estimadas por meio de transformadas de distância. A competição ótima de sementes propaga esses rótulos para o resto do volume de interesse, realizando o delineamento dos objetos. O delineamento é feito nos volumes de ar da traqueia e dos pulmões até a pleura visceral. Assim, a segmentação da cavidade pleural está fora do escopo deste projeto. O método ALTIS foi extensivamente avaliado em um conjunto de aproximadamente 1.750 imagens de tomografia, unindo tanto bases de dados internas como públicas. Até onde sabemos, esse é o maior conjunto de imagens para validação dentre os trabalhos reportados na literatura. Além do método ALTIS, outros dois métodos baseados em modelos de forma, MALF e SOSM-S, foram quantitativamente avaliados em 250 imagens desse conjunto. Essa avaliação foi feita através da análise de sobreposição e distância até a borda das segmentações interativas consideradas corretas. Os experimentos realizados indicaram que o método ALTIS é estatisticamente superior e consideravelmente mais rápido que ambos os métodos comparados. As 1.500 imagens restantes foram utilizadas para verificação da robustez do método proposto. Nesta etapa, cada uma das imagens de segmentação geradas pelo ALTIS foram visualmente examinadas à procura de falhas. Foram observados erros de segmentação em uma pequena porcentagem delas

Abstract: On the present day, respiratory diseases affect a great portion of people worldwide. The best way to detect and analyze this kind of disease is by diagnostic imaging, mainly Computed Tomography (CT). Computer-aided diagnosis systems have been developed to help specialists with the analysis...

Abstract: On the present day, respiratory diseases affect a great portion of people worldwide. The best way to detect and analyze this kind of disease is by diagnostic imaging, mainly Computed Tomography (CT). Computer-aided diagnosis systems have been developed to help specialists with the analysis of CT images to obtain an accurate and fast diagnosis. In such systems, the segmentation of the lungs is paramount for quantitative analysis. In the past years, many lung segmentation methods have been proposed. However,they suffer from at least one of these limitations: high computational time, weak conditions for separating the trachea and each lung with internal structures brighter than the air, and a limited number of samples for validation. Addressing those limitations, this master¿s thesis proposes a fast lung and trachea segmentation method, called Automatic Lung and Trachea Image Segmentation (ALTIS), on CT images from the thorax. The ALTIS method uses optimum seed competition to segment the lungs and the trachea in a time proportional to the domain of the image. It consists of a fast sequence of image processing operations which takes into consideration anatomical characteristics that are robust for most appearance variations of abnormal lungs. That is, from the premise that the respiratory system on a CT image represents the largest object surrounded by brighter tissue, the lungs and the trachea are extracted creating the volume of interest. Considering that the lungs are larger than the trachea and the trachea is a thin object distant from the lungs, seeds with different labels are estimated inside each component by means of distance transforms. The optimum seed competition propagates these labels to the rest of the volume of interest, delineating the objects. The delineation is performed on the volumes of air inside the trachea and both lungs, limited by the visceral pleura. Therefore, the segmentation of the pleural cavity is not within the scope of this project. The ALTIS method was extensively evaluated on a set of approximately 1.750 CT images, gathering both in-house and public datasets. To the best of our knowledge, this is the largest set of CT images used for validation ever reported in the literature. Besides ALTIS, two other shape model-based methods, MALF and SOSM-S, were quantitatively evaluated on 250 CT images from the original set. This evaluation was made through overlapping and border distance analysis over the ground-truth segmentations. The performed experiments indicated that ALTIS is statistically superior and considerably faster than both compared methods. The remaining 1.500 images were used to verify ALTIS¿s robustness. At this stage, each ALTIS¿s segmentation was visually analyzed on the search for failures. Segmentation errors were observed in a small percentage of them

Requisitos do sistema: Software para leitura de arquivo em PDF