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.

A tese propõem uma metodologia, em nível de pesquisa, por intermédio do desenvolvimento e da adaptação de ferramentas de apoio computadorizado, capaz de realizar a segmentação da imagem dos discos intervertebrais da região lombar da coluna vertebral humana, de maneira semiautomática reduzindo drasticamente o tempo gasto manualmente neste procedimento, sem perder sua acurácia e, ainda, garantindo maior reprodutibilidade em seus resultados. Foram utilizadas imagens sagitais de ressonância magnética ponderadas em T2 de 285 discos intervertebrais de 70 pacientes, classificados segundo o grau de severidade da degeneração discal definido pelo critério proposto por Pfirrmann. A classificação computacional dos discos foi realizada com base em atributos quantitativos extraídos dos histogramas de níveis de cinza e de informações de textura das imagens. O desempenho dos métodos computacionais de segmentação foi avaliado com base no Coeficiente de Jaccard, na distância de Hausdorff e no Erro Médio Quadrático. O desempenho dos métodos computacionais de classificação foi também avaliado com base em medidas similares à aplicação da sensibilidade, da especificidade e da área sob a curva ROC. A segmentação manual e a classificação por inspeção visual dos discos realizadas por três profissionais experientes foram utilizadas como padrão ouro para a comparação. Os principais resultados indicaram a médio de 63,22% para o Coeficiente de Jaccard, as médias de 0,044 das distâncias de Hausdoff e de 0,014 para o EMQ na comparação entre as imagens. Além disso, a segmentação semiautomatizada diferiu em uma taxa média de 30% em relação à segmentação manual e a classificação da degeneração discal, por redes neurais artificiais difere em menos de 2%, ao ser comparada ao procedimento de classificação manual realizado pelos especialistas. / The thesis proposes a methodology at the level of research through the development and adaptation of computerized support tools, able to perform the image segmentation of the intervertebral discs of the lumbar region of the human spine, semiautomatic way dramatically reducing time spent manually in this procedure, without losing its accuracy and also ensuring more reproducible in their results. Were used sagittal MRI T2- weighted of 285 intervertebral discs from 70 patients, classified according to the severity of disc degeneration defined by the criteria proposed by Pfirrmann. The computational classification of disks was based on quantitative attributes extracted from histograms of gray level images and the texture information. The performance of computational segmentation methods was evaluated based on Jaccard coefficient, Hausdorff distance and Mean Square Error. The performance of the computational classification methods was evaluated based on measures of sensitivity, specificity and the area under the ROC curve. The manual segmentation and visual inspection classification of the discs made by three experienced professionals were used as the gold standard for comparison. The main results showed an average Jaccard coefficient of 63.22%, the average Hausdoff of distances was 0.044 and 0.014 Mean Square Error average when comparing the images from both segmentation targets. Additionally, the targeting semiautomatic differed by an average of 30% compared with manual segmentation and classification of disc degeneration provided from an artificial neural networks differs by less than 2% when compared to manual sorting procedure performed by experts.

A tese propõem uma metodologia, em nível de pesquisa, por intermédio do desenvolvimento e da adaptação de ferramentas de apoio computadorizado, capaz de realizar a segmentação da imagem dos discos intervertebrais da região lombar da coluna vertebral humana, de maneira semiautomática reduzindo drasticamente o tempo gasto manualmente neste procedimento, sem perder sua acurácia e, ainda, garantindo maior reprodutibilidade em seus resultados. Foram utilizadas imagens sagitais de ressonância magnética ponderadas em T2 de 285 discos intervertebrais de 70 pacientes, classificados segundo o grau de severidade da degeneração discal definido pelo critério proposto por Pfirrmann. A classificação computacional dos discos foi realizada com base em atributos quantitativos extraídos dos histogramas de níveis de cinza e de informações de textura das imagens. O desempenho dos métodos computacionais de segmentação foi avaliado com base no Coeficiente de Jaccard, na distância de Hausdorff e no Erro Médio Quadrático. O desempenho dos métodos computacionais de classificação foi também avaliado com base em medidas similares à aplicação da sensibilidade, da especificidade e da área sob a curva ROC. A segmentação manual e a classificação por inspeção visual dos discos realizadas por três profissionais experientes foram utilizadas como padrão ouro para a comparação. Os principais resultados indicaram a médio de 63,22% para o Coeficiente de Jaccard, as médias de 0,044 das distâncias de Hausdoff e de 0,014 para o EMQ na comparação entre as imagens. Além disso, a segmentação semiautomatizada diferiu em uma taxa média de 30% em relação à segmentação manual e a classificação da degeneração discal, por redes neurais artificiais difere em menos de 2%, ao ser comparada ao procedimento de classificação manual realizado pelos especialistas. / The thesis proposes a methodology at the level of research through the development and adaptation of computerized support tools, able to perform the image segmentation of the intervertebral discs of the lumbar region of the human spine, semiautomatic way dramatically reducing time spent manually in this procedure, without losing its accuracy and also ensuring more reproducible in their results. Were used sagittal MRI T2- weighted of 285 intervertebral discs from 70 patients, classified according to the severity of disc degeneration defined by the criteria proposed by Pfirrmann. The computational classification of disks was based on quantitative attributes extracted from histograms of gray level images and the texture information. The performance of computational segmentation methods was evaluated based on Jaccard coefficient, Hausdorff distance and Mean Square Error. The performance of the computational classification methods was evaluated based on measures of sensitivity, specificity and the area under the ROC curve. The manual segmentation and visual inspection classification of the discs made by three experienced professionals were used as the gold standard for comparison. The main results showed an average Jaccard coefficient of 63.22%, the average Hausdoff of distances was 0.044 and 0.014 Mean Square Error average when comparing the images from both segmentation targets. Additionally, the targeting semiautomatic differed by an average of 30% compared with manual segmentation and classification of disc degeneration provided from an artificial neural networks differs by less than 2% when compared to manual sorting procedure performed by experts.

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.