Devido à variação na qualidade e ao ruído nas imagens médicas, a aplicação de técnicas tradicionais de segmentação é geralmente ineficiente. Nesse sentido, apresenta-se um novo algoritmo a partir de duas técnicas: o modelo de contornos deformáveis por fluxo do vetor gradiente (GVF deformable contours) e a técnica de espaço de escalas utilizando o processo de difusão. Assim, foi realizada uma revisão bibliográfica dos modelos que trabalham com os contornos deformáveis, os quais foram classificados em modelos paramétricos e geométricos. Entre os modelos paramétricos foi escolhido o modelo de contornos deformáveis por fluxo do vetor gradiente (GVF). Esta aproximação oferece precisão na representação de estruturas biológicas não observada em outros modelos. Desta forma, o algoritmo apresentado mapeia as bordas (edge map) e aperfeiçoa a condução da deformação utilizando uma técnica baseada em operações recursivas. Com este cálculo apoiado no comportamento de espaço de escalas, obtem-se a localização e correção de sub-regiões do edge map que perturbam a deformação. Por outro lado, é incorporada uma nova característica que permite ao algoritmo realizar atividades de classificação. O algoritmo consegue determinar a presença ou ausência de um objeto de interesse utilizando um valor mínimo de deformação. O algoritmo é validado através do tratamento de imagens sintéticas e médicas comparando os resultados com os obtidos no modelo tradicional de contornos deformáveis GVF. / Due to the variation of the quality and noise in medical images, the classic image segmentation techniques are usually ineffective. In this work, we present a new algorithm that is composed of two techniques: the gradient vector flow deformable contours (GVF) and the scale-space technique using a diffusion process. A bibliographical revision of the models that work with deformable contours was accomplished, they were classified in parametric and geometric models. Among the parametric models the gradient vector flow deformable contours (GVF) was chosen. This approach offers precision in the representation of biological structures where other models does not. Thus, the algorithm improves the edge map to guide the deformation using recursive operations. With this estimation based on the behavior of the scale-space techniques it is realized, the localization and correction of sub-areas of the edge map that disturb the deformation. On the other hand, it was incorporated a new characteristic that allows the algorithm to accomplish classification activities. That is, the algorithm determines the presence or absence of a target object using a minimal deformation area. Our method was validated on both, simulated images and medical images making a comparison with the traditional GVF deformable contours.

Devido à variação na qualidade e ao ruído nas imagens médicas, a aplicação de técnicas tradicionais de segmentação é geralmente ineficiente. Nesse sentido, apresenta-se um novo algoritmo a partir de duas técnicas: o modelo de contornos deformáveis por fluxo do vetor gradiente (GVF deformable contours) e a técnica de espaço de escalas utilizando o processo de difusão. Assim, foi realizada uma revisão bibliográfica dos modelos que trabalham com os contornos deformáveis, os quais foram classificados em modelos paramétricos e geométricos. Entre os modelos paramétricos foi escolhido o modelo de contornos deformáveis por fluxo do vetor gradiente (GVF). Esta aproximação oferece precisão na representação de estruturas biológicas não observada em outros modelos. Desta forma, o algoritmo apresentado mapeia as bordas (edge map) e aperfeiçoa a condução da deformação utilizando uma técnica baseada em operações recursivas. Com este cálculo apoiado no comportamento de espaço de escalas, obtem-se a localização e correção de sub-regiões do edge map que perturbam a deformação. Por outro lado, é incorporada uma nova característica que permite ao algoritmo realizar atividades de classificação. O algoritmo consegue determinar a presença ou ausência de um objeto de interesse utilizando um valor mínimo de deformação. O algoritmo é validado através do tratamento de imagens sintéticas e médicas comparando os resultados com os obtidos no modelo tradicional de contornos deformáveis GVF. / Due to the variation of the quality and noise in medical images, the classic image segmentation techniques are usually ineffective. In this work, we present a new algorithm that is composed of two techniques: the gradient vector flow deformable contours (GVF) and the scale-space technique using a diffusion process. A bibliographical revision of the models that work with deformable contours was accomplished, they were classified in parametric and geometric models. Among the parametric models the gradient vector flow deformable contours (GVF) was chosen. This approach offers precision in the representation of biological structures where other models does not. Thus, the algorithm improves the edge map to guide the deformation using recursive operations. With this estimation based on the behavior of the scale-space techniques it is realized, the localization and correction of sub-areas of the edge map that disturb the deformation. On the other hand, it was incorporated a new characteristic that allows the algorithm to accomplish classification activities. That is, the algorithm determines the presence or absence of a target object using a minimal deformation area. Our method was validated on both, simulated images and medical images making a comparison with the traditional GVF deformable contours.