[pt] Gliomas estão entre os tumores cerebrais malignos mais comuns. Eles podem ser classificados entre gliomas de baixo e alto grau e sua identificação precoce é fundamental para o direcionamento do tratamento aplicado. Utilizando uma abordagem radiomics, o presente trabalho propõe o uso de índices de biodiversidade e de diversidade filogenética, definidos no campo da biologia, no problema de classificação de gliomas. O método proposto apresentou resultados promissores, com AUC-ROC (area under the ROC curve), acurácia, sensibilidade e especificidade de 0,951, 0,930, 0,967 e 0,827, respectivamente. / [en] Gliomas are among the most common malignant brain tumors. They can be classified into low-grade and high-grade gliomas and their early identification is crucial for treatment direction. Using a radiomics approach, the present work proposes the use of biodiversity and phylogenetic diversity biology indices to handle the glioma classification problem. The proposed method presented promising results, with AUC-ROC (area under the ROC curve), accuracy, sensitivity and specificity of 0,951, 0,930, 0,967 and 0,827, respectively.

[pt] Esta tese apresenta o desenvolvimento e os resultados deste projeto de doutorado, cujo objetivo, de caráter multidisciplinar, foi desenvolver uma metodologia e uma ferramenta para segmentação de redes vasculares a partir de imagens de tomografia computadorizada, utilizando procedimentos de segmentação automática de imagens e visualização tridimensional de dados. A metodologia sugerida segmenta a rede vascular iterativamente utilizando um único ponto de partida. A abordagem utiliza um modelo de amostragem cônico composto de várias camadas esféricas concêntricas ordenadas. Cada ponto amostrado é avaliado utilizando-se uma medida de vascularidade proposta nesta tese, que busca identificar pontos que pertencem a vasos. Um grafo dirigido é então construído com os pontos selecionados e analisado para que se encontre localmente cadeias de pontos conectados que compõem pedaços de ramos da rede vascular. Cada segmento da rede vascular gera uma nova semente a partir da qual uma nova amostragem é realizada e desta forma o procedimento iterativo se repete até que toda a estrutura vascular seja segmentada. A metodologia foi testada utilizando-se imagens sintéticas e reais. Dentre as imagens reais foram segmentadas estruturas vasculares coronárias, carótidas, hepáticas, pulmonares além de uma rede de fibras nervosas do sistema olfativo. Também foram extraídas as topologias das redes vasculares. A avaliação foi quando possível quantitativa, embora este tipo de dado muito raramente ofereça uma segmentação de referência, e nestes casos a avaliação foi qualitativa e visual. Os resultados obtidos confirmam o potencial do método e indicam direções para promover desenvolvimentos futuros. / [en] This thesis presents the development and results of this PhD project, which objective, multidisciplinary, was to develop a methodology and a tool for segmenting vascular networks from CT images, using automatic segmentation procedures and visualization of three-dimensional images data. The suggested methodology tracks a vascular network iteratively using a single starting point. The approach uses a conical sampling model composed of multiple concentric and ordered spherical layers. Each sampled point is evaluated using a measurement of vascularity proposed in this thesis, which seeks to identify points that belong to vessels. A directed graph is then built with the selected points and analyzed to find chains of connected points that make up pieces of branches of the vascular network. Each vascular segment found generates a new seed from which a new sampling is performed, and in this way the iterative procedure is repeated until the entire vascular structure is segmented. The methodology was tested using synthetic and real images. Among the real images several different vascular structures were segmented, such as coronary, carotid, hepatic, pulmonary and even a network of nerve fibers in the olfactory system. Vascular network topologies were also identified. The evaluation was quantitative where possible, although this type of data rarely provides a segmentation of reference, and apart from these cases the assessment was qualitative and visual. The results confirm the potential of the method and suggest directions for further developments.

[pt] Segundo relatórios da Organização Mundial da Saúde, as doenças cardiovasculares são a principal causa de óbitos em nível mundial. Podem, porém, ser controladas mediante diagnóstico e tratamento adequados. Nesse contexto, as ferramentas tecnológicas de auxílio ao diagnóstico são importantes para redução do número de óbitos causados por este tipo de doenças. Esta dissertação avalia aos métodos de otimização: Differential Evolution, Generalized Pattern Search, Mesh Adaptive Direct Search e Nelder-Mead Algorithm, aplicados na busca dos parâmetros que modelam a estrutura dos vasos sanguíneos a fim de melhorar os resultados e tempo de processamento da segmentação da árvore vascular em imagens médicas, conforme proposto em (Oliveira, 2013). Neste trabalho, são apresentados conceitos anatômicos e as características das imagens usadas neste estudo. São ainda descritos os métodos de otimização avaliados e a metodologia da segmentação da árvore vascular cujos parâmetros se deseja otimizar. Com essa base, se formula a metodologia de avaliação destes métodos através de uma análise quantitativa, que é produto da formulação de um teste de hipóteses da diferença entre a avaliação média em combinação pareada. Este teste avalia o desempenho dos métodos de otimização quando são aplicados em amostras aleatoriamente escolhidas em cada um dos exames de tomografia computadorizada que pertencem ao banco de dados composto por imagens: sintéticas, coronárias, hepáticas e de fibras nervosas do sistema olfativo. Conforme aos resultados do teste de hipótese, o método de otimização com o melhor desempenho, em acurácia e custo computacional, é escolhido e as conclusões deste trabalho são elaboradas assim como também as propostas de trabalhos futuros nesta mesma linha de pesquisa. / [en] According to the World Health Organization reports, cardiovascular diseases are the worldwide leading cause of death. However, they can be controlled using proper diagnosis tools and treatments. In this way, the diagnosis assisted technological tools are important to reduce the number of deaths caused by this type of diseases. This dissertation assess optimization methods (Differential Evolution, Generalized Pattern Search, Mesh Adaptive Direct Search, Nelder-Mead Algortihm) applied in the search of parameters that model blood vessels structures in order to improve the results and processing time of a vascular tree segmentation method in medical images, as proposed in (Oliveira, 2013). In this work, anatomical concepts and the characteristics of the images used in this study are presented. The optimization methods assessed and the methodology for the segmentation of the vascular tree, whose parameters are to be optimized, are described. Based on that, the procedure to assess different optimization methods is formulated through a quantitative analysis using a hypothesis test formulation of difference between paired means. This test evaluates the performance of the optimization methods using randomly chosen samples in a computerized tomography exams database composed by synthetic, coronary, hepatic and nervous fiber of the olfactory system images. According to the hypothesis test results, the optimization method with the best performance, both in accuracy and computational cost, is selected and the conclusions of this work are elaborated as well as the proposals for further research.