Academic literature on the topic 'Segmentação do pulmão'

A segmentação é uma etapa intermediária no registro e reconstrução 3D do pulmão. Geralmente, os métodos de segmentação são interativos e utilizam diferentes estratégias para combinar a expertise dos humanos e a velocidade e precisão dos computadores. A segmentação de imagens RM do pulmão é particularmente difícil devido à grande variação na qualidade da imagem. Dois métodos para a segmentação do contorno do pulmão são apresentados. No primeiro, uma análise individual de cada imagem da série de imagens RM é realizada, e a segmentação ocorre através de técnicas de limiarização e labeling. No segundo método, a respiração é associada a uma função respiração padrão, e através de técnicas de processamento de imagem 2D, detecção de bordas e transformada de Hough, padrões respiratórios são obtidos e, conseqüentemente, a posição dos pontos no tempo são estimados. Seqüências temporais de imagens RM são segmentadas, considerando a coerência no tempo. Desta forma, a silhueta do pulmão pode ser determinada em cada quadro, mesmo em quadros com bordas obscuras. A região do pulmão é segmentada em três etapas, neste método: uma máscara contendo a região do pulmão é criada a partir do resultado do primeiro método de segmentação; a transformada de Hough é aplicada exclusivamente aos pixels da máscara em diversos planos; o contorno do pulmão é extraído do resultado da transformada de Hough utilizando os contornos ativos. O formato da máscara pode ter uma grande variação, e a transformada de Hough modificada pode lidar com essa variação. Os resultados obtidos pelos dois métodos são comparados.<br>The segmentation of the lung is an intermediary step towards its registry and 3D reconstruction. Usually, segmentation methods are interactive and make use of different strategies to combine the expertise of the human and the computers accuracy and speed. Segmentation of lung magnetic resonance (MR) images is particularly difficult because of the large variation in image quality. Two methods for the lung contour segmentation are presented. In this first method, an individual analysis of each image in the series approach is taken, and the segmentation is made through thresholding and labeling techniques. In the second method, the breathing is associated to a standard respiratory function, and through 2D image processing, edge detection and Hough transform, respiratory patterns are obtained and, consequently, the position of points in time are estimated. Temporal sequences of MR images are segmented by considering the coherence in time. This way, the lung silhouette can be determined in every frame, even on frames with obscure edges. The lung region is segmented in three steps: a mask containing the lung region is created from the results of the first method; the Hough transform is applied exclusively to mask pixels in different planes; and the lung contour is created from the results of the Hough transform through active contours. The shape of the mask can have a large variation, and the modified Hough transform can handle such a shape variation. Results from both methods are compared.

O estudo do movimento pulmonar é assunto de grande interesse na área médica. A observação direta do mesmo é inviável, uma vez que o pulmão colapsa quando a caixa torácica é aberta. Dentre os meios de observação indireta, escolheu-se o imageamento por ressonância magnética em respiração livre e sem uso de nenhum gás para melhorar o contraste ou qualquer informação de sincronismo. Esta escolha propõe diversos desafios, como: a superar a alta variação na qualidade das imagens, que é baixa, em geral, e a suscetibilidade a artefatos, entre outras limitações a serem superadas. Imagens de Tomografia Computadorizada apresentam melhor qualidade e menor tempo de aquisição, mas expõem o paciente a níveis consideráveis de radiação ionizante. É apresentada uma metodologia para segmentação do pulmão, produzindo um conjunto de pontos coordenados. Isto é feito através do processamento temporal da sequência de imagens de RM. Este processamento consiste nas seguintes etapas: geração de imagens temporais (2DSTI), transformada de Hough modificada, algoritmo de contornos ativos e geração de silhueta. A partir de um dado ponto, denominado centro de rotação, são geradas diversas imagens temporais com orientações variadas. É proposta uma formulação modificada da transformada de Hough para determinar curvas parametrizadas que sejam síncronas ao movimento diafragmático, chamados movimentos respiratórios. Também são utilizadas máscaras para delimitar o domínio de aplicação da transformada de Hough. São obtidos movimentos respiratórios que são suavizados pelo algoritmo de contornos ativos e, assim, permitem a geração de contornos para cada quadro pertencente a sequência e, portanto, de uma silhueta do pulmão para cada sequência.<br>Lung movement visualization is of great interest in medicine. Direct observation of the lung movement is not practicable, as it collapses if the thoracic cage is opened. Among indirect observation means, we choose magnetic resonance imaging, acquired on free breathing, without the use of any triggering information and any special gas to enhance the contrast. This choice leads us to overcome the high variation on MR images\' quality, which is, generally, low, and, also, artifact susceptibility, among other limitations. Computed Tomography images have better quality and a shorter acquisition time, but they expose the subject to considerably high levels of radiation. A Lung segmentation methodology is presented and it produces a connected set of points. That is achieved through MRI sequences temporal processing and it consists of the following stages: masks generation, 2-dimensional space-time images (2DSTI), modified Hough transform, an active contours algorithm and silhouette generation. Using a given point, which will be called parameter point, various temporal images with varied orientation will be generated. A modified Hough transform is applied to extract parameterized curves, that are synchronous to diaphragmatic movement, which will be called respiratory movements. Also, masks will be used in order to delimit the modified Hough transform application domain. An active contours algorithm will smoothen the obtained respiratory movements, so they will allow the generation of a contour for each frame on the image sequence and, therefore, a lung silhouette for a given sequence.

Submitted by JÚLIO HEBER SILVA (julioheber@yahoo.com.br) on 2017-05-11T19:49:56Z No. of bitstreams: 2 Dissertação - Paulo Freire Sobrinho - 2017.pdf: 10088390 bytes, checksum: 93cbaefd8f5c2dc974201729c2e859f7 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)<br>Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2017-05-15T11:30:14Z (GMT) No. of bitstreams: 2 Dissertação - Paulo Freire Sobrinho - 2017.pdf: 10088390 bytes, checksum: 93cbaefd8f5c2dc974201729c2e859f7 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)<br>Made available in DSpace on 2017-05-15T11:30:14Z (GMT). No. of bitstreams: 2 Dissertação - Paulo Freire Sobrinho - 2017.pdf: 10088390 bytes, checksum: 93cbaefd8f5c2dc974201729c2e859f7 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-04-13<br>Contextualization: Technologies like CAD systems, become ideal as a second opinion, that is, to work in partnership with the doctor. For example, PneumoCAD can be used to perform a diagnosis of absence or absence of pneumonia in children 1 to <5 years of age using X-ray radiographs. Problems: However, the use of PneumoCAD requires a region of interest, referring to the lungs, manually. Based on difficulty and difficulty, we sought a solution that was not found in any research, applied to radiographs, involving PneumoCAD, through the active model, having as a patient children between the ages of 1 and <5 years. Proposal: It is then proposed the use of the active model, associated with the technique developed and called nsAlterar in improvement to segmentation based on ns . Materials and Methods: Fifty-six “padrão ouro” radiographs were submitted to MATLAB, in 8 steps, through modified and improved algorithms, as well as implemented support tools, such as: As well as measures of similarity to investigate quantitatively , On an efficiency of all resources employed for the same purpose. Results: With this question, we obtained, after an analysis of the experiments, a taxon of hits for the right of spraying 75.61% and for the left one in 63.41%, in which nsAlterar promoted the improvement in the distributions, even if They were not segmented correctly, through approximations properly. Conclusions: Based on the active model associated with nsAlterar and other resources, it was possible to complement a functionality of the PneumoCAD system, through the use of segmentation in reais, thus contributing to a higher efficiency and better results.<br>Contextualização: As tecnologias como sistemas CAD, tornam-se ideais como segunda opinião, ou seja, para trabalhar em parceria com o médico. Por exemplo, o PneumoCAD pode ser utilizado para realização do diagnóstico de ausência ou não de pneumonia em crianças de 1 e < 5 anos de idade, através das radiografias de raios-X. Problemática: Entretanto, a utilização do PneumoCAD exige que uma região de interesse, referente aos pulmões, sejam determinadas manualmente. Baseado nesta exigência e dificuldade buscou-se alguma solução que não foi encontrada em nenhuma pesquisa, aplicada a radiografias, envolvendo o PneumoCAD, através do Active Shape Model, tendo como paciente crianças com idade entre 1 e < 5 anos. Proposta: É, então, proposto o uso do Active Shape Model, associado à técnica desenvolvida e denominada nsAlterar em melhora à segmentação baseada no ns . Materiais e Métodos: Foram submetidas, no MATLAB, 56 amostras de radiografias do “padrão-ouro”, em 8 etapas, através de algoritmos modificados e aperfei- çoados, além de ferramentas implementadas de apoio, como: para o treinamento a partir de exemplos; assim como as medidas de similaridades para buscar investigar, de maneira quantitativa, sobre a eficiência de todos os recursos empregados para o mesmo propósito. Resultados: Com isto, foi obtida, após a análise dos experimentos, a taxa de acertos para o pulmão direito em 75,61% e para o esquerdo em 63,41%, em que o nsAlterar promoveu o melhoramento nas distribuições, mesmo as que não foram segmentadas corretamente, através de aproximações de maneira adequada. Conclusões: A partir do Active Shape Model associado ao nsAlterar e demais recursos, foi possível complementar a funcionalidade do sistema PneumoCAD, através do uso da segmentação em situações reais, contribuindo, assim, para a obtenção de maior eficiência e de melhores resultados.

CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior<br>Sistemas computacionais vÃm desempenhando papel importante em vÃrias Ãreas da medicina, notadamente no auxÃlio ao diagnÃstico mÃdico por imagem. Neste sentido, estudos na Ãrea de VisÃo Computacional sÃo realizados para desenvolver tÃcnicas e sistemas capazes de detectar automaticamente diversas doenÃas. Dentre os exames existentes que permitem o auxÃlio ao diagnÃstico e a aplicaÃÃo de sistemas computacionais em conjunto, destaca-se a Tomografia Computadorizada (TC) que possibilita a visualizaÃÃo de ÃrgÃos internos, como por exemplo, o pulmÃo e suas estruturas. Sistemas de Vis~ao Computacional utilizam estas imagens obtidas por exames de TC para extrair informaÃÃo por meio de tÃcnicas com a finalidade de segmentar, reconhecer e identificar detalhes da regiÃo de interesse nestas imagens. Este trabalho centraliza seus esforÃos na etapa de segmentaÃÃo dos pulmÃes a partir de imagens de TC, empregando-se, para tanto, tÃcnicas baseadas em MÃtodo de Contorno Ativo (MCA), tambÃm conhecido como emph{snake}. Este mÃtodo consiste em traÃar uma curva inicial, em torno ou dentro de um objeto de interesse, deformando-a conforme algumas forÃas que atuam sobre a mesma, deslocando-a atà as bordas do objeto. Este processo à realizado por iteraÃÃes sucessivas de minimizaÃÃo de uma dada funÃÃo energia, associada à curva. Neste contexto, esta tese propÃe um novo mÃtodo para a segmentaÃÃo dos pulmÃes em imagens de TC do tÃrax denominado MÃtodo de Contorno Ativo Crisp Adaptativo. Este MCA à o aperfeiÃoamento do MCA Crisp desenvolvido em um estudo anterior, que visa aumentar a precisÃo, diminuir o tempo de anÃlise e reduzir a subjetividade na segmentaÃÃo e anÃlise dos pulmÃes dessas imagens pelos mÃdicos especialistas. Este mÃtodo à proposto para a segmentaÃÃo de uma imagem isolada ou do exame completo, sendo primeiramente em 2D e expandido para 3D. O MCA Crisp Adaptativo 2D à comparado com os MCAs THRMulti, THRMod, GVF, VFC, Crisp e tambÃm com o sistema SISDEP, sendo esta avaliaÃÃo realizada utilizando como referÃncia 36 imagens segmentadas manualmente por um pneumologista. Jà o MCA Crisp Adaptativo 3D à aplicado na segmentaÃÃo dos pulmÃes em exames de TC e comparado com o mÃtodo Crescimento de RegiÃes 3D, cujos resultados das segmentaÃÃes sÃo avaliados por 2 mÃdicos pneumologistas. Os resultados obtidos demonstram que os mÃtodos propostos sÃo superiores aos demais na segmentaÃÃo dos pulmÃes em imagens de TC do tÃrax, tanto em uma imagem pelo MCA Crisp Adaptativo 2D, como em exames completos pelo MCA Crisp Adaptativo 3D. Deste modo, pode-se concluir que estes mÃtodos podem integrar sistemas de auxÃlio ao diagnÃstico mÃdico na Ãrea de Pneumologia.<br>Computer systems have been playing a very important role in many areas of medicine, particularly, on medical diagnosis through image processing. Therefore, studies on the field of Computer Vision are made to develop techniques and systems to perform automatic detection of several diseases. Among the existing tests that enable the diagnosis and the application of computational system together, there is the Computed Tomography (CT), which allows the visualization of internal organs, such as the lung and its structures. Image analysis techniques applied to CT scans are able to extract important information to segment and recognize details on regions of interest on these images. This work focuses its e&#8629;orts on the stage of lungs segmentation through CT images, using techniques based on Active Contour Method (ACM), also known as snake. This method consists in tracing an initial curve, around or inside the object of interest, wich deform itself according to forces that act over the same, shifting to the object edge. This process is performed by successive iterations of minimization of a given energy, associated to the curve. In this context, this work proposes a new aproach for lung segmentation of chest CT images, which is called Adaptative Crisp Active Contour Method. This ACM is an improvement the previous developed Crisp ACM. The purpose of this new ACM is to increase accuracy, decrease analysis time and reduce segmentation subjectivity in the manual analysis of specialized doctors. This method is proposed to isolated images segmentation or the complete exam, being first in 2D, then expanding to 3D. The 2D Adaptative Crisp ACM is compared to ACMs THRMulti, THRMod, GVF, VFC, Crisp and also with the system SISDEP, being this evaluation performed by using a set of 36 manually segmented images by one pulmonologist. The 3D Adaptative Crisp ACM is applied on lung segmentation in CT exams and compared with the 3D Region Growing method, which segmentation results were evaluated by two pulmonologists. The obtained results shows that the proposed methods are superior to the other methods on lung segmentation in chest CT images, both as in one image by 2D Adaptative Crisp ACM as in full exam by the 3D Adaptative Crisp ACM. Thus, it is possible to conclude that these method can integrate systems to aid medical diagnosis in the field of pulmonology.