Spelling suggestions: "subject:"análise dde textura"" "subject:"análise dde itextura""
31 |
Análise de textura em imagens baseado em medidas de complexidade / Image Texture Analysis based on complex measuresRayner Harold Montes Condori 30 November 2015 (has links)
A análise de textura é uma das mais básicas e famosas áreas de pesquisa em visão computacional. Ela é também de grande importância em muitas outras disciplinas, tais como ciências médicas e biológicas. Por exemplo, uma tarefa comum de análise de textura é a detecção de tecidos não saudáveis em imagens de Ressonância Magnética do pulmão. Nesta dissertação, nós propomos um método novo de caracterização de textura baseado nas medidas de complexidade tais como o expoente de Hurst, o expoente de Lyapunov e a complexidade de Lempel-Ziv. Estas medidas foram aplicadas sobre amostras de imagens no espaço de frequência. Três métodos de amostragem foram propostas, amostragem: radial, circular e por caminhadas determinísticas parcialmente auto- repulsivas (amostragem CDPA). Cada método de amostragem produz um vetor de características por medida de complexidade aplicada. Esse vetor contem um conjunto de descritores que descrevem a imagem processada. Portanto, cada imagem será representada por nove vetores de características (três medidas de complexidade e três métodos de amostragem), os quais serão comparados na tarefa de classificação de texturas. No final, concatenamos cada vetor de características conseguido calculando a complexidade de Lempel-Ziv em amostras radiais e circulares com os descritores obtidos através de técnicas de análise de textura tradicionais, tais como padrões binários locais (LBP), wavelets de Gabor (GW), matrizes de co-ocorrência en níveis de cinza (GLCM) e caminhadas determinísticas parcialmente auto-repulsivas em grafos (CDPAg). Este enfoque foi testado sobre três bancos de imagens: Brodatz, USPtex e UIUC, cada um com seus próprios desafios conhecidos. As taxas de acerto de todos os métodos tradicionais foram incrementadas com a concatenação de relativamente poucos descritores de Lempel-Ziv. Por exemplo, no caso do método LBP, o incremento foi de 84.25% a 89.09% com a concatenação de somente cinco descritores. De fato, simplesmente concatenando cinco descritores são suficientes para ver um incremento na taxa de acerto de todos os métodos tradicionais estudados. Por outro lado, a concatenação de un número excessivo de descritores de Lempel-Ziv (por exemplo mais de 40) geralmente não leva a melhora. Neste sentido, vendo os resultados semelhantes obtidos nos três bancos de imagens analisados, podemos concluir que o método proposto pode ser usado para incrementar as taxas de acerto em outras tarefas que envolvam classificação de texturas. Finalmente, com a amostragem CDPA também se obtém resultados significativos, que podem ser melhorados em trabalhos futuros. / Texture analysis is one of the basic and most popular computer vision research areas. It is also of importance in many other disciplines, such as medical sciences and biology. For example, non-healthy tissue detection in lung Magnetic Resonance images is a common texture analysis task. We proposed a novel method for texture characterization based on complexity measures such as Lyapunov exponent, Hurst exponent and Lempel-Ziv complexity. This measurements were applied over samples taken from images in the frequency domain. Three types of sampling methods were proposed: radial sampling, circular sampling and sampling by using partially self-avoiding deterministic walks (CDPA sampling). Each sampling method produce a feature vector which contains a set of descriptors that characterize the processed image. Then, each image will be represented by nine feature vectors which are means to be compared in texture classification tasks (three complexity measures over samples from three sampling methods). In the end, we combine each Lempel-Ziv feature vector from the circular and radial sampling with descriptors obtained through traditional image analysis techniques, such as Local Binary Patterns (LBP), Gabor Wavelets (GW), Gray Level Co-occurrence Matrix (GLCM) and Self-avoiding Deterministic Walks in graphs (CDPAg). This approach were tested in three datasets: Brodatz, USPtex and UIUC, each one with its own well-known challenges. All traditional methods success rates were increased by adding relatively few Lempel-Ziv descriptors. For example in the LBP case the increment went from 84.25% to 89.09% with the addition of only five descriptors. In fact, just adding five Lempel-Ziv descriptors are enough to see an increment in the success rate of every traditional method. However, adding too many Lempel-Ziv descriptors (for example more than 40) generally doesnt produce better results. In this sense, seeing the similar results we obtain in all three databases, we conclude that this approach may be used to increment the success rate in a lot of others texture classification tasks. Finally, the CDPA sampling also obtain very promising results that we can improve further on future works.
|
32 |
Dados clinicos, morfometria e textura nuclear como fatores prognosticos e preditivos no tumor venereo transmissivel canino / Clinical data, morphometric and texture features nuclei as prognostic and predictive factors in canine transmissible venereal tumorValladão, Maria Luiza de Castro Ramos, 1977- 02 September 2007 (has links)
Orientador: Konradin Metze / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Ciencias Medicas / Made available in DSpace on 2018-08-10T11:27:03Z (GMT). No. of bitstreams: 1
Valladao_MariaLuizadeCastroRamos_M.pdf: 884922 bytes, checksum: 2e058daa788641932fbfccd1408d3d69 (MD5)
Previous issue date: 2007 / Resumo: O Tumor Venéreo Transmissível Canino (TVTC) é uma neoplasia muito comum em caninos com livre acesso as ruas. O TVTC pode provocar metástases que levam o animal à morte. A presente tese realizou estudo exploratório e prospectivo em 100 caninos portadores de TVTC de ocorrência natural. Foram anotados dados clínicos como raça, sexo, idade, peso corporal e escore na Escala de Desempenho Karnofsky Adaptada (EDKA), bem como amostras citológicas. O objetivo do estudo foi elaborar fatores prognósticos relacionados à sobrevida e fatores preditivos da resposta da monoterapia com vincristina. Os resultados demonstraram que o a idade, o peso corporal do cão e o escore na EDKA são fatores independentes prognósticos da sobrevida durante o tratamento. Cães com escore na EDKA abaixo de 50 tiveram um péssimo prognóstico de sobrevida. O tempo de interrupção do tratamento, época do ano em que se iniciou o tratamento, área do núcleo e a "rugosidade" da cromatina em preparações citológicas mostraram ser fatores independentes preditivos do sucesso da terapia. A sobrevida durante a terapia depende do estado clínico do animal, enquanto a resposta terapêutica depende tanto de características da neoplasia como de fatores ambientais externos que modificam o estado clínico do animal / Abstract: The veneral transmissible tumor of dogs (CTVT) is a common neoplasia in free roaming dogs. Since this tumor may metastasize it is a possible tread for the animals. In a prospective exploratory study based on 100 dogs with naturally occuring CTVT we collected data on breed, sex, age, weight, tumor size and the score on a modified Karnofsky Performance Scale, as well cytologic smears. The objective of the investigation was study to elaborate prognostic factors related to survival and predicitive factors related to the response to vincristine monochemotherapy. Age, sex and the Karnofsky score showed to be independent prognostic factors for survival during chemotherapy. A score below 50 indicated poor survival. Time of interruption of the treatment, season of the year, nuclear area and "roughness" of the cromatin in cytologic preparations showed to be independent prognostic factors for the success of therapy. Thus survival during therapy depends on the performance status of the dog, whereas therapy success depends both on tumor characteristics and external factors modificating the animals performance / Mestrado / Biologia Estrutural, Celular, Molecular e do Desenvolvimento / Mestre em Fisiopatologia
|
33 |
Análise computadorizada dos discos intervertebrais lombares em imagens de ressonância magnética / Computer analysis of lumbar intervertebral disks in magnetic resonance imagingMarcelo da Silva Barreiro 16 November 2016 (has links)
O disco intervertebral é uma estrutura cuja função é receber, amortecer e distribuir o impacto das cargas impostas sobre a coluna vertebral. O aumento da idade e a postura adotada pelo indivíduo podem levar à degeneração do disco intervertebral. Atualmente, a Ressonância Magnética (RM) é considerada o melhor e mais sensível método não invasivo de avaliação por imagem do disco intervertebral. Neste trabalho foram desenvolvidos métodos quantitativos computadorizados para auxílio ao diagnóstico da degeneração do disco intervertebral em imagens de ressonância magnética ponderadas em T2 da coluna lombar, de acordo com a escala de Pfirrmann, uma escala semi-quantitativa, com cinco graus de degeneração. Os algoritmos computacionais foram testados em um conjunto de dados que consiste de imagens de 300 discos, obtidos de 102 indivíduos, com diferentes graus de degeneração. Máscaras binárias de discos segmentados manualmente foram utilizadas para calcular seus centroides, visando criar um ponto de referência para possibilitar a extração de atributos. Uma análise de textura foi realizada utilizando a abordagem proposta por Haralick. Para caracterização de forma, também foram calculados os momentos invariantes definidos por Hu e os momentos centrais para cada disco. A classificação do grau de degeneração foi realizada utilizando uma rede neural artificial e o conjunto de atributos extraídos de cada disco. Uma taxa média de acerto na classificação de 87%, com erro padrão de 6,59% e uma área média sob a curva ROC (Receiver Operating Characteristic) de 0,92 indicam o potencial de aplicação dos algoritmos desenvolvidos como ferramenta de apoio ao diagnóstico da degeneração do disco intervertebral. / The intervertebral disc is a structure whose function is to receive, absorb and transmit the impact loads imposed on the spine. Increasing age and the posture adopted by the individual can lead to degeneration of the intervertebral disc. Currently, Magnetic Resonance Imaging (MRI) is considered the best and most sensitive noninvasive method to imaging evaluation of the intervertebral disc. In this work were developed methods for quantitative computer-aided diagnosis of the intervertebral disc degeneration in MRI T2 weighted images of the lumbar column according to Pfirrmann scale, a semi-quantitative scale with five degrees of degeneration. The algorithms were tested on a dataset of 300 images obtained from 102 subjects with varying degrees of degeneration. Binary masks manually segmented of the discs were used to calculate their centroids, to create a reference point to enable extraction of attributes. A texture analysis was performed using the approach proposed by Haralick. For the shape characterization, invariant moments defined by Hu and central moments were also calculated for each disc. The rating of the degree of degeneration was performed using an artificial neural network and the set of extracted attributes of each disk. An average rate of correct classification of 87%, with standard error 6.59% and an average area under the ROC curve (Receiver Operating Characteristic) of 0.92 indicates the potential application of the algorithms developed as a diagnostic support tool to the degeneration of the intervertebral disc.
|
34 |
Análise de textura em imagens cerebrais : aplicações em acidente vascular cerebral isquêmico, epilepsia mioclônica juvenil, doença de Machado-Joseph, déficit cognitivo leve e doença de Alzheimer / Texture analysis in brain images : applications in ischemic brain stroke, juvenile myoclonic epilepsy, Machado-Joseph disease, mild cognitive impairment and Alzheimer¿s diseaseOliveira, Márcia Silva de 15 August 2018 (has links)
Orientador: Gabriela Castellano / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Fisica Gleb Wataghin / Made available in DSpace on 2018-08-15T22:34:24Z (GMT). No. of bitstreams: 1
Oliveira_MarciaSilvade_D.pdf: 17533323 bytes, checksum: 32a83eb4815b68f061baa91a4b0ab2e4 (MD5)
Previous issue date: 2010 / Resumo: Análise de textura em imagens digitais é um termo que se refere a um grupo de técnicas de processamento de imagens que objetivam a extração de descritores da imagem ou de regiões de interesse (ROIs) de forma a simplificar a caracterização das mesmas. A textura pode ser entendida como características intrínsecas da imagem (por exemplo: brilho, cor e distribuição de formas) que remetem à ideia de regularidade, rugosidade, suavidade, entre outras, por isso o nome 'textura'. Um tipo particular de análise de textura, bastante utilizado em imagens médicas, se baseia em medidas estatítsticas relativas à distribuição de níveis de cinza da imagem (matriz de coocorrência). Os descritores de textura, baseados na matriz de coocorrência, são conhecidos como descritores de Haralick. Este trabalho consistiu na aplicação de vídeo deste tipo de análise em imagens de Tomografia Computadorizada (TC) de vítimas de Acidente Vascular Cerebral Isquêmico e em imagens de Ressonância Magnetica (RM) de portadores de Epilepsia Mioclônica Juvenil, Doença de Machado-Joseph, Déficit Cognitivo Leve e Doença de Alzheimer, visando o desenvolvimento de uma ferramenta computacional que auxilie o neurologista na identificação de areas atingidas por estas doenças e que não sejam distinguíveis em uma análise visual. Neste trabalho foram selecionadas regiões de interesse (ROIs) e calculados os parâmetros de textura para cada grupo de imagens. Após o cálculo dos descritores de textura foi realizada uma análise estatística para verificar se havia diferenciação entre os vários tipos de tecidos. Os resultados obtidos mostraram que a análise de textura pode, de fato, ser utilizada para a extração de características discriminantes, tanto nas imagens de TC quanto nas imagens de RM para as cinco patologias analisadas / Abstract: Texture analysis in digital images is a term that refers to a group of image processing techniques that aim to extract descriptors of the image or regions of interest (ROIs) in order to simplify their characterization. Texture may be understood as intrinsic characteristics of the image (such as brightness, color and distribution of forms) that refer to the idea of regularity, roughness and smoothness, hence the name 'texture'. A particular type of texture analysis, widely used in medical imaging, is based on statistical measurements related to the image gray level distribution (coocurrence matrix). The texture descriptors based on the coocurrence matrix are known as Haralick descriptors. This work consisted on applying this type of analysis to computed tomography (CT) images of victims of Ischemic Stroke and magnetic resonance images (MRI) of patients with Juvenile Myoclonic Epilepsy, Machado-Joseph disease, mild cognitive impairment and Alzheimer's disease, in order to develop a computational tool to assist neurologists in the identification of areas affected by these diseases and which are not perceived in a visual analysis. In this work we selected regions of interest (ROIs) and calculated the texture parameters for each group of images. After the calculation of the texture descriptors, a statistical analysis was performed to determine whether there was differentiation between the various types of tissues. The results showed that texture analysis can indeed be used for the extraction of discriminant features in both the CT an the MR images for the five studied pathologies / Doutorado / Física / Doutora em Ciências
|
Page generated in 0.0682 seconds