Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-01-04T13:19:40Z No. of bitstreams: 1 GiovaniAngeloSilvaDaNobrega_TESE.pdf: 4869660 bytes, checksum: 4a1e0564fb5defca3defdbb09b2e00f2 (MD5) / Approved for entry into archive by clediane guedes (clediane@bczm.ufrn.br) on 2017-01-04T13:21:31Z (GMT) No. of bitstreams: 1 GiovaniAngeloSilvaDaNobrega_TESE.pdf: 4869660 bytes, checksum: 4a1e0564fb5defca3defdbb09b2e00f2 (MD5) / Made available in DSpace on 2017-01-04T13:21:31Z (GMT). No. of bitstreams: 1 GiovaniAngeloSilvaDaNobrega_TESE.pdf: 4869660 bytes, checksum: 4a1e0564fb5defca3defdbb09b2e00f2 (MD5) Previous issue date: 2016-05-13 / O c?ncer ? uma das principais causas de morte em todo mundo. Dentre os diversos tipos o c?ncer de pulm?o ? respons?vel por quase 1,59 milh?es ao ano. Segundo a OMS at? 2030 esse n?mero ir? crescer cerca de 45% em parte devido ao crescimento da popula??o e, em parte, ao envelhecimento da popula??o. A detec??o precoce do c?ncer de pulm?o pode aumentar a chance de sobreviv?ncia do pacientes e reduzir os custos do tratamento. A literatura especializada afirma que a tomografia computadorizada ? atual t?cnica de imagem mais indicada para a realiza??o de exames que objetivam detectar n?dulos pulmonares. Contudo ? um exame que demanda um custo significativo de trabalho por parte dos radiologistas na detec??o e determina??o das caracter?sticas f?sicas dos n?dulos. Visando reduzir os custos e aumentar a efici?ncia do processo de diagn?stico, o presente trabalho prop?e um novo sistema de aux?lio na determina??o das caracter?sticas f?sicas dos n?dulos pr? detectados em exames de tomografia computadorizada. O sistema ? baseado em processamento digital de imagens(extra??o de caracter?sticas textura, intensidade e estat?stica), sele??o de caracter?scitas (Genetic Algorithm, Simulated Annealing e Recursive Feature Elimination) e um classificador de padr?es (M?quinas de Vetores Suporte). O sistema foi testado com 500 exames de diferentes pacientes na qual foi poss?vel obter 889 tumores diagnosticados e obteve como resultado a medida de Sensibilidade em torno de 97% e uma acur?cia m?dia de 89%. / O c?ncer ? uma das principais causas de morte em todo mundo. Dentre os diversos tipos o c?ncer de pulm?o ? respons?vel por quase 1,59 milh?es ao ano. Segundo a OMS at? 2030 esse n?mero ir? crescer cerca de 45% em parte devido ao crescimento da popula??o e, em parte, ao envelhecimento da popula??o. A detec??o precoce do c?ncer de pulm?o pode aumentar a chance de sobreviv?ncia do pacientes e reduzir os custos do tratamento. A literatura especializada afirma que a tomografia computadorizada ? atual t?cnica de imagem mais indicada para a realiza??o de exames que objetivam detectar n?dulos pulmonares. Contudo ? um exame que demanda um custo significativo de trabalho por parte dos radiologistas na detec??o e determina??o das caracter?sticas f?sicas dos n?dulos. Visando reduzir os custos e aumentar a efici?ncia do processo de diagn?stico, o presente trabalho prop?e um novo sistema de aux?lio na determina??o das caracter?sticas f?sicas dos n?dulos pr? detectados em exames de tomografia computadorizada. O sistema ? baseado em processamento digital de imagens(extra??o de caracter?sticas textura, intensidade e estat?stica), sele??o de caracter?scitas (Genetic Algorithm, Simulated Annealing e Recursive Feature Elimination) e um classificador de padr?es (M?quinas de Vetores Suporte). O sistema foi testado com 500 exames de diferentes pacientes na qual foi poss?vel obter 889 tumores diagnosticados e obteve como resultado a medida de Sensibilidade em torno de 97% e uma acur?cia m?dia de 89%.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-06-21T19:35:54Z No. of bitstreams: 1 JoseMacedoFirminoFilho_TESE.pdf: 7600566 bytes, checksum: 3fb49e1b33edf4c9a3905abebf0e5309 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-06-22T22:09:41Z (GMT) No. of bitstreams: 1 JoseMacedoFirminoFilho_TESE.pdf: 7600566 bytes, checksum: 3fb49e1b33edf4c9a3905abebf0e5309 (MD5) / Made available in DSpace on 2016-06-22T22:09:41Z (GMT). No. of bitstreams: 1 JoseMacedoFirminoFilho_TESE.pdf: 7600566 bytes, checksum: 3fb49e1b33edf4c9a3905abebf0e5309 (MD5) Previous issue date: 2015-12-04 / O c?ncer de pulm?o ? uma das principais causas de morte no mundo. A sua alta taxa de mortalidade est? relacionada com detec??o da patologia em est?gios avan?ados. De acordo com a literatura, a tomografia computadorizada (TC) ? a modalidade de imagem mais indicada para a detec??o precoce de n?dulos pulmonares. No entanto, ela impacta diretamente na carga de trabalho dos radiologistas. Pesquisadores propuseram v?rios sistemas automatizados para auxiliar os radiologistas na detec??o do c?ncer de pulm?o. Entretanto, a utiliza??o desses sistemas necessitava de altera??es no fluxo de trabalho cl?nico e altos custos de implanta??o. Visando solucionar estas barreiras, o presente trabalho prop?e uma nova abordagem para detec??o de n?dulos pulmonares, em exames de tomografia computadorizada (TC), baseado no descritor Histograma do Gradiente Orientada (HoG) e M?quina de Vetor de Suporte (SVM). Al?m disso, ? proposto uma aplica??o desta abordagem num sistema de telerradiologia, chamado LCD-OpenPACS, gratuito e c?digo fonte aberto. Este sistema ? uma extens?o do sistema OpenPACS que ? um sistema de comunica??o e arquivamento de imagens m?dicas que possui c?digo fonte aberto e multiplataforma desenvolvido pelo Laborat?rio de Inova??o Tecnol?gica em Sa?de (LAIS) do Hospital Universit?rio Onofre Lopes (HUOL). O m?todo proposto ? formado por cinco etapas: aquisi??o das imagens, segmenta??o, detec??o de n?dulos suspeitos, extra??o das caracter?sticas e classifica??o (elimina??o de falsos positivos). O m?todo proposto foi validado com 100 n?dulos (identificados por, pelo menos, dois radiologistas) e 101 n?o n?dulos (por exemplo, tecido, vasos sangu?neos e outras estruturas que n?o representavam n?dulos cancer?genos) e apresentou uma sensibilidade de 98,03% com 9,6 falso positivo por caso em 0,18 s. O sistema detectou n?dulos pulmonares cancer?genos (solit?rios, opacidade em vidro fosco e n?dulos justavascular) entre 3 mm e 30 mm. Entretanto, a etapa de segmenta??o do sistema ainda n?o est? apresentando resultados satisfat?rios na presen?a de n?dulos justapleurais e outras patologias graves que alteram a opacidade dos contornos pulmonares. As principais contribui??es do presente trabalho foram o desenvolvimento do novo m?todo de detec??o de n?dulos pulmonares e a proposta do sistema de telerradiologia que minimiza as altera??es do fluxo de trabalho cl?nico e o custo de implanta??o, podendo ser utilizado pelo sistema de sa?de brasileiro (SUS). Ainda s?o necess?rias mais pesquisas para aperfei?oar o sistema proposto, principalmente melhorar o processo de segmenta??o das imagens pulmonares. Como trabalhos futuros, propomos mensurar caracter?sticas dos n?dulos (por exemplo, malignidade e volume), avaliar a evolu??o do tratamento oncol?gico e seu poss?vel progn?stico. / Lung cancer is one of the most common types of cancer and has the highest mortality rate. Patient survival is highly correlated with early detection. Computed Tomography technology services the early detection of lung cancer tremendously by offering aminimally invasive medical diagnostic tool. However, the large amount of data per examination makes the interpretation difficult. This leads to omission of nodules by human radiologist. This thesis presents a development of a computer-aided diagnosis system (CADe) tool for the detection of lung nodules in Computed Tomography study. The system, called LCD-OpenPACS (Lung Cancer Detection - OpenPACS) should be integrated into the OpenPACS system and have all the requirements for use in the workflow of health facilities belonging to the SUS (Brazilian health system). The LCD-OpenPACS made use of image processing techniques (Region Growing and Watershed), feature extraction (Histogram of Gradient Oriented), dimensionality reduction (Principal Component Analysis) and classifier (Support Vector Machine). System was tested on 220 cases, totaling 296 pulmonary nodules, with sensitivity of 94.4% and 7.04 false positives per case. The total time for processing was approximately 10 minutes per case. The system has detected pulmonary nodules (solitary, juxtavascular, ground-glass opacity and juxtapleural) between 3 mm and 30 mm.