A Ecocardiografia continua sendo a técnica de captura de imagens mais promissora, não-invasiva, sem radiação ionizante e de baixo custo para avaliação de condições cardíacas. Porém, é afetada consideravelmente por ruídos do tipo speckle, que são difíceis de serem filtrados. Por isso fez-se necessário fazer a escolha certa entre filtragem e segmentador para a obtenção de resultados melhores na segmentação de estruturas. O objetivo dessa pesquisa foi estudar essa combinação entre filtro e segmentador. Para isso, foi desenvolvido um sistema segmentador, a fim de sistematizar essa avaliação. Foram implementados dois filtros para atenuar o efeito do ruído speckle - Linear Scaling Mean Variance (LSMV) e o filtro de Chitwong - testados em imagens simuladas. Foram simuladas 60 imagens com 300 por 300 pixels, 3 modelos, 4 espessuras e 5 níveis de contrastes diferentes, todas com ruído speckle. Além disso, foram feitos testes com a combinação de filtros. Logo após, foi implementado um algoritmo de conectividade Fuzzy para fazer a segmentação e um sistema avaliador, seguindo os critérios descritos por Loizou, que faz a contagem de verdadeiro-positivos (VP) e falso-positivos (FP). Foi verificado que o filtro LSMV é a melhor opção para segmentação por conectividade Fuzzy. Foram obtidas taxas de VP e FP na ordem de 95% e 5%, respectivamente, e acurácia em torno de 95%. Para imagens ruidosas com alto contraste, aplicando a segmentação sem filtragem, a acurácia obtida foi na ordem de 60%. / The echocardiography is the imaging technique that remains most promising, noninvasive, no ionizing radiation and inexpensive to assess heart conditions. On the other hand, is considerably affected by noises, such as speckle, that are very difficult to be filtered. That is why it is necessary to make the right choice of filter and segmentation method to obtain the best results on image segmentation. The goal was evaluate this filter and segmentation method combination. For that, it was developed a segmentation system, to help the assessment. Two filters were implemented to mitigate the effect of speckle noise Linear Scaling Mean Variance (LSMV) and the filter presented by Chitwong - to be tested in simulated images. We simulated 60 images, with size 300 by 300 pixels, 3 models, 4 thicknesses and 5 different levels of contrast, all with speckle noise. In addition, tests were made with a combination of filters. Furthermore, it was implemented a Fuzzy Connectedness algorithm and an evaluation system, following the criteria described by Loizou, which makes the true positives (TP) and false positives (FP) counting. It was found that the LSMV filter is the best option for Fuzzy Connectedness. We obtained rates of TP and FP of 95% and 5% using LSMV, and accuracy of 95%. Using high contrast noisy images, without filtering, we obtained the accuracy in order of 60%.

A Ecocardiografia continua sendo a técnica de captura de imagens mais promissora, não-invasiva, sem radiação ionizante e de baixo custo para avaliação de condições cardíacas. Porém, é afetada consideravelmente por ruídos do tipo speckle, que são difíceis de serem filtrados. Por isso fez-se necessário fazer a escolha certa entre filtragem e segmentador para a obtenção de resultados melhores na segmentação de estruturas. O objetivo dessa pesquisa foi estudar essa combinação entre filtro e segmentador. Para isso, foi desenvolvido um sistema segmentador, a fim de sistematizar essa avaliação. Foram implementados dois filtros para atenuar o efeito do ruído speckle - Linear Scaling Mean Variance (LSMV) e o filtro de Chitwong - testados em imagens simuladas. Foram simuladas 60 imagens com 300 por 300 pixels, 3 modelos, 4 espessuras e 5 níveis de contrastes diferentes, todas com ruído speckle. Além disso, foram feitos testes com a combinação de filtros. Logo após, foi implementado um algoritmo de conectividade Fuzzy para fazer a segmentação e um sistema avaliador, seguindo os critérios descritos por Loizou, que faz a contagem de verdadeiro-positivos (VP) e falso-positivos (FP). Foi verificado que o filtro LSMV é a melhor opção para segmentação por conectividade Fuzzy. Foram obtidas taxas de VP e FP na ordem de 95% e 5%, respectivamente, e acurácia em torno de 95%. Para imagens ruidosas com alto contraste, aplicando a segmentação sem filtragem, a acurácia obtida foi na ordem de 60%. / The echocardiography is the imaging technique that remains most promising, noninvasive, no ionizing radiation and inexpensive to assess heart conditions. On the other hand, is considerably affected by noises, such as speckle, that are very difficult to be filtered. That is why it is necessary to make the right choice of filter and segmentation method to obtain the best results on image segmentation. The goal was evaluate this filter and segmentation method combination. For that, it was developed a segmentation system, to help the assessment. Two filters were implemented to mitigate the effect of speckle noise Linear Scaling Mean Variance (LSMV) and the filter presented by Chitwong - to be tested in simulated images. We simulated 60 images, with size 300 by 300 pixels, 3 models, 4 thicknesses and 5 different levels of contrast, all with speckle noise. In addition, tests were made with a combination of filters. Furthermore, it was implemented a Fuzzy Connectedness algorithm and an evaluation system, following the criteria described by Loizou, which makes the true positives (TP) and false positives (FP) counting. It was found that the LSMV filter is the best option for Fuzzy Connectedness. We obtained rates of TP and FP of 95% and 5% using LSMV, and accuracy of 95%. Using high contrast noisy images, without filtering, we obtained the accuracy in order of 60%.

Advances in coronary Computed Tomography Angiography (CTA) have resulted in a boost in the use of this new technique in recent years, creating a challenge for radiologists due to the increasing number of exams and the large amount of data for each patient. The main goal of this study was to develop a computer tool to facilitate coronary CTA analysis by combining knowledge of medicine and image processing, and to evaluate the performance in clinical settings. Firstly, a competing fuzzy connectedness tree algorithm was developed to segment the coronary arteries and extract centerlines for each branch. The new algorithm, which is an extension of the “virtual contrast injection” (VC) method, preserves the low-density soft tissue around the artery, and thus reduces the possibility of introducing false positive stenoses during segmentation. Visually reasonable results were obtained in clinical cases. Secondly, this algorithm was implemented in open source software in which multiple visualization techniques were integrated into an intuitive user interface to facilitate user interaction and provide good over­views of the processing results. An automatic seeding method was introduced into the interactive segmentation workflow to eliminate the requirement of user initialization during post-processing. In 42 clinical cases, all main arteries and more than 85% of visible branches were identified, and testing the centerline extraction in a reference database gave results in good agreement with the gold standard. Thirdly, the diagnostic accuracy of coronary CTA using the segmented 3D data from the VC method was evaluated on 30 clinical coronary CTA datasets and compared with the conventional reading method and a different 3D reading method, region growing (RG), from a commercial software. As a reference method, catheter angiography was used. The percentage of evaluable arteries, accuracy and negative predictive value (NPV) for detecting stenosis were, respectively, 86%, 74% and 93% for the conventional method, 83%, 71% and 92% for VC, and 64%, 56% and 93% for RG. Accuracy was significantly lower for the RG method than for the other two methods (p<0.01), whereas there was no significant difference in accuracy between the VC method and the conventional method (p = 0.22). Furthermore, we developed a fast, level set-based algorithm for vessel segmentation, which is 10-20 times faster than the conventional methods without losing segmentation accuracy. It enables quantitative stenosis analysis at interactive speed. In conclusion, the presented software provides fast and automatic coron­ary artery segmentation and visualization. The NPV of using only segmented 3D data is as good as using conventional 2D viewing techniques, which suggests a potential of using them as an initial step, with access to 2D reviewing techniques for suspected lesions and cases with heavy calcification. Combining the 3D visualization of segmentation data with the clinical workflow could shorten reading time.

Conselho Nacional de Desenvolvimento CientÃfico e TecnolÃgico / A anÃlise de imagens mÃdicas por meio de tÃcnicas de visÃo computacional tornou-se bastante promissora, principalmente pelo fato de aperfeiÃoar a acurÃcia diagnÃstica de diversas patologias. Por essas razÃo, a Pneumologia à considerada atualmente uma Ãrea de concentraÃÃo de projetos que envolvem mÃtodos de Processamento Digital de Imagens. A segmentaÃÃo de vasos sanguÃneos pulmonares à de bastante auxÃlio na detecÃÃo de cardiopatias pulmonares. Esse processo à realizado atravÃs da anÃlise dos resultados obtidos por exame de diagnÃstico por imagem, os quais se destacam as radiografias torÃcicas, tomografia computadorizada (TC) do tÃrax, ressonÃncia magnÃtica, cintilografia pulmonar e angiografia. A hipertensÃo pulmonar e o cÃncer sÃo exemplos de doenÃas que podem ser diagnosticadas com menor subjetividade ao realizar a segmentaÃÃo de vasos, visualizaÃÃo em trÃs dimensÃes e extraÃÃo de seus atributos. Devido a essa importÃncia, diversos algoritmos sÃo desenvolvidos com intuito de obter uma segmentaÃÃo Ãtima destas estruturas. Dentre estes, encontram-se os mÃtodos por contornos ativos, LÃgica Fuzzy, Crescimento de RegiÃes, Filtragem Multi-escalar 3D e algoritmo Expectation Maximization (EM). Nesta dissertaÃÃo, sÃo segmentados os vasos sanguÃneos pulmonares de imagens de tomografia computadorizada do tÃrax utilizando-se trÃs mÃtodos: uma combinaÃÃo de Crescimento de RegiÃes 3D controlado por uma funÃÃo de pertinÃncia gaussiana e limiarizaÃÃo; um mÃtodo hÃbrido de segmentaÃÃo por Conectividade Fuzzy e limiarizaÃÃo; por m, a segmentaÃÃo utilizando o classicador K-mÃdias. Os resultados obtidos pelas segmentaÃÃes sÃo analisados e comparados por meio de uma anÃlise dos coecientes de similaridade e sensibilidade. Os resultados da aplicaÃÃo dos trÃs mÃtodos sÃo caracterizados aceitÃveis e compatÃveis com os observados na literatura. / Medical image analysis using computer vision techniques has become quite promising because of its improvement on the diagnostic accuracy of various pathologies. For this reason, pulmonology became an area of high concentration of projects involving methods of Digital Image Processing. The blood vessels segmentation in the lung is an important aid in the detection of pulmonary heart diseases. This process is performed by analyzing the results obtained with known diagnostic imaging exams, like chest Xrays, computed tomography (CT) scan, magnetic resonance imaging, scintigraphy and angiography. Pulmonary hypertension and cancer are examples of diseases that can be diagnosed with less subjectivity if performing vessels segmentation, three-dimensional visualization and attribute extraction of these images. Thus, several algorithms are developed with the objective of obtaining an optimal segmentation of these structures. Among those algorithms are active contours, fuzzy logic, 3D Region Growing, 3D multi-scale ltering algorithm and Expectation Maximization (EM). In this study, the blood vessels were extracted from lung CT scans of the chest using three methods. The rst is a combination of 3D Region Growing controlled by a Gaussian membership function and thresholding, the second is a hybrid segmentation by thresholding and Fuzzy Connectedness. Finally,the third refers to segmentation using the K-means classier. The results and evaluation of applying these algorithms are presented.

A segmentação de imagens consiste em dividir uma imagem em regiões ou objetos que a compõem, como, por exemplo, para isolar os pixels de um objeto alvo de uma dada aplicação. Em segmentação de imagens médicas, o objeto de interesse comumente apresenta transições em suas bordas predominantemente do tipo claro para escuro ou escuro para claro. Métodos tradicionais por região, como a conexidade fuzzy relativa (RFC - Relative Fuzzy Connectedness), não distinguem bem entre essas bordas similares com orientações opostas. A especificação da polaridade de contorno pode ajudar a amenizar esse problema, o que requer uma formulação matemática em grafos dirigidos. Uma discussão sobre como incorporar essa propriedade no arcabouço do RFC é apresentada neste trabalho. Uma prova teórica da otimalidade do novo algoritmo, chamado conexidade fuzzy relativa com orientação (ORFC - Oriented Relative Fuzzy Connectedness), em termos de uma função de energia em grafos dirigidos sujeita as restrições de sementes é apresentada, bem como a sua apli- cação em poderosos métodos híbridos de segmentação. O método híbrido proposto ORFC &Graph Cut preserva a robustez do ORFC em relação à escolha de sementes, evitando o problema do viés de encolhimento do método de Corte em Grafo (GC - Graph Cut), e mantém o forte controle do GC no delineamento de contornos de bordas irregulares da imagem. Os métodos propostos são avaliados usando imagens médicas de ressonáncia magnética (RM) e tomografia computadorizada (TC) do cérebro humano e de estudos torácicos. / Image segmentation consists of dividing an image into its composing regions or objects, for example, to isolate the pixels of a target object of a given application. In segmentation of medical images, the object of interest commonly presents transitions at its border predominantly from bright to dark or dark to bright. Traditional region-based methods of image segmentation, such as Relative Fuzzy Connectedness (RFC), do not distinguish well between similar boundaries with opposite orientations. The specification of the boundary polarity can help to alleviate this problem but this requires a mathematical formulation on directed graphs. A discussion on how to incorporate this property in the RFC framework is presented in this work. A theoretical proof of the optimality of the new algorithm, called Oriented Relative Fuzzy Connectedness (ORFC), in terms of an energy function on directed graphs subject to seed constraints is presented, and its application in powerful hybrid segmentation methods. The hybrid method proposed ORFC&Graph Cut preserves the robustness of ORFC respect to the seed choice, avoiding the shrinking problem of Graph Cut (GC), and keeps the strong control of the GC in the contour delination of irregular image boundaries. The proposed methods are evaluated using magnetic resonance medical imaging (MR) and computed tomography (CT) of the human brain and thoracic studies.

Com os avanços tecnológicos das últimas décadas, a ecocardiografia surgiu como uma alternativa de diagnóstico por imagem de relativo baixo custo, que não faz uso de energia ionizante ou radioativa. Recentemente, o advento dos agentes de contraste por microbolhas e dos transdutores matriciais tornou possível a visualização tridimensional da anatomia das artérias coronárias. Neste projeto, é proposta a avaliação de métodos de segmentação capazes de visibilizar as artérias coronárias epicárdicas em Imagens de ecocardiografias tridimensionais com contraste de microbolhas. Esse é o primeiro passo para o desenvolvimento de ferramentas computacionais eficazes e eficientes na assistência não invasiva ao acompanhamento do quadro clínico de pacientes, do diagnóstico ao pós-operatório. Propõe-se, uma metodologia que facilite o acesso às coronárias a partir de imagens de ecocardiografia tridimensionais com aplicação de contraste por microbolhas. Dentre as metodologias estudadas, as técnicas baseadas na teoria Fuzzy Connectedness (FC) foram identificadas como as mais promissoras. Estudou-se, portanto, seis abordagens baseadas nessa teoria, três delas são descritas na literatura (Generalized FC GFC; Relative FC RFC; Dynamic Weighted FC DyWFC) e três proposições originais (Area of Search FC ASFC; Ultrasound-k FC USFC; Guided FC GuFC). Para avaliar a acurácia desses algoritmos, confeccionou-se um conjunto de imagens simuladas, composto por 360 imagens, e selecionou-se um conjunto de imagens de exames reais, composto de 10 imagens reais de pacientes com quadro de Cardiomiopatia Hipertrópica. Para as imagens simuladas, os métodos da literatura alcançaram acurácia de 85,5% para GFC, 89,5% para RFC e 92,0% para DyWFC. Enquanto isso, os métodos propostos alcançaram acurácia de 88,9% para ASFC, 91,7 % para USkFC e 95,2% para GuFC. Para as imagens reais, os métodos convergiram para uma segmentação satisfatória quanto à usabilidade na clínica médica. Esses resultados demonstraram, ainda, o melhor desempenho do método proposto GuFC ante os demais. Dessa forma, ele se torna um candidato para ingressar na etapa de segmentação de uma ferramenta computacional para visibilização das coronárias epicárdicas no futuro / With the technological advances of recent decades, echocardiography has emerged as a relatively low cost imaging diagnostic alternative, that does not use ionizing or radioactive energy. Lately, the advent of microbubble-based contrast agents and array transducers turned possible the visualization of three-dimensional coronary arteries anatomy. The present project proposes to evaluate segmentation methods able to deal with the visualization of the epicardial coronary arteries in microbubble-based three-dimensional echocardiography images. This is the first step towards the development of effective and efficient computational tools for diagnosis and prognosis assistance of cardiac pacient. We propose a methodology to facilitate the access to epicardial coronary arteries in tridimensional echocardiographic images. Among the studied approaches, Fuzzy Connectednessbased segmentation methods were identified as being the most promising. We studied six approaches based on this theory, three of them are described in the literature (Generalized FC GFC; Relative FC RFC; Dynamic Weighted FC DyWFC) and three original contributions (Area of Search FC ASFC; Ultrasound-k FC USFC; Guided FC GuFC). To evaluate the accuracy of these algorithms, a set composed of 360 simulated images were created. We also selected a set of 10 real images, composed of hypertrophic cardiomyopathy patients. For simulated images set, the methods of literature achieved accuracy of 85.5% for GFC, 89,5% for RFC and 92,0% for DyWFC, meanwhile, the proposed method achieved accuracy of 88.9% for ASFC, 91,7 % for USkFC and 95,2% for GuFC. Using the real images set, the methods converged to good results for clinical purposes. These results demonstrate that the proposed method GuFC has shown a better performance than the others, becoming a candidate to the segmentation step in a computational tool for coronary arteries visualization in the future

Com os avanços tecnológicos das últimas décadas, a ecocardiografia surgiu como uma alternativa de diagnóstico por imagem de relativo baixo custo, que não faz uso de energia ionizante ou radioativa. Recentemente, o advento dos agentes de contraste por microbolhas e dos transdutores matriciais tornou possível a visualização tridimensional da anatomia das artérias coronárias. Neste projeto, é proposta a avaliação de métodos de segmentação capazes de visibilizar as artérias coronárias epicárdicas em Imagens de ecocardiografias tridimensionais com contraste de microbolhas. Esse é o primeiro passo para o desenvolvimento de ferramentas computacionais eficazes e eficientes na assistência não invasiva ao acompanhamento do quadro clínico de pacientes, do diagnóstico ao pós-operatório. Propõe-se, uma metodologia que facilite o acesso às coronárias a partir de imagens de ecocardiografia tridimensionais com aplicação de contraste por microbolhas. Dentre as metodologias estudadas, as técnicas baseadas na teoria Fuzzy Connectedness (FC) foram identificadas como as mais promissoras. Estudou-se, portanto, seis abordagens baseadas nessa teoria, três delas são descritas na literatura (Generalized FC GFC; Relative FC RFC; Dynamic Weighted FC DyWFC) e três proposições originais (Area of Search FC ASFC; Ultrasound-k FC USFC; Guided FC GuFC). Para avaliar a acurácia desses algoritmos, confeccionou-se um conjunto de imagens simuladas, composto por 360 imagens, e selecionou-se um conjunto de imagens de exames reais, composto de 10 imagens reais de pacientes com quadro de Cardiomiopatia Hipertrópica. Para as imagens simuladas, os métodos da literatura alcançaram acurácia de 85,5% para GFC, 89,5% para RFC e 92,0% para DyWFC. Enquanto isso, os métodos propostos alcançaram acurácia de 88,9% para ASFC, 91,7 % para USkFC e 95,2% para GuFC. Para as imagens reais, os métodos convergiram para uma segmentação satisfatória quanto à usabilidade na clínica médica. Esses resultados demonstraram, ainda, o melhor desempenho do método proposto GuFC ante os demais. Dessa forma, ele se torna um candidato para ingressar na etapa de segmentação de uma ferramenta computacional para visibilização das coronárias epicárdicas no futuro / With the technological advances of recent decades, echocardiography has emerged as a relatively low cost imaging diagnostic alternative, that does not use ionizing or radioactive energy. Lately, the advent of microbubble-based contrast agents and array transducers turned possible the visualization of three-dimensional coronary arteries anatomy. The present project proposes to evaluate segmentation methods able to deal with the visualization of the epicardial coronary arteries in microbubble-based three-dimensional echocardiography images. This is the first step towards the development of effective and efficient computational tools for diagnosis and prognosis assistance of cardiac pacient. We propose a methodology to facilitate the access to epicardial coronary arteries in tridimensional echocardiographic images. Among the studied approaches, Fuzzy Connectednessbased segmentation methods were identified as being the most promising. We studied six approaches based on this theory, three of them are described in the literature (Generalized FC GFC; Relative FC RFC; Dynamic Weighted FC DyWFC) and three original contributions (Area of Search FC ASFC; Ultrasound-k FC USFC; Guided FC GuFC). To evaluate the accuracy of these algorithms, a set composed of 360 simulated images were created. We also selected a set of 10 real images, composed of hypertrophic cardiomyopathy patients. For simulated images set, the methods of literature achieved accuracy of 85.5% for GFC, 89,5% for RFC and 92,0% for DyWFC, meanwhile, the proposed method achieved accuracy of 88.9% for ASFC, 91,7 % for USkFC and 95,2% for GuFC. Using the real images set, the methods converged to good results for clinical purposes. These results demonstrate that the proposed method GuFC has shown a better performance than the others, becoming a candidate to the segmentation step in a computational tool for coronary arteries visualization in the future

A segmentação de imagens consiste em dividir uma imagem em regiões ou objetos que a compõem, como, por exemplo, para isolar os pixels de um objeto alvo de uma dada aplicação. Em segmentação de imagens médicas, o objeto de interesse comumente apresenta transições em suas bordas predominantemente do tipo claro para escuro ou escuro para claro. Métodos tradicionais por região, como a conexidade fuzzy relativa (RFC - Relative Fuzzy Connectedness), não distinguem bem entre essas bordas similares com orientações opostas. A especificação da polaridade de contorno pode ajudar a amenizar esse problema, o que requer uma formulação matemática em grafos dirigidos. Uma discussão sobre como incorporar essa propriedade no arcabouço do RFC é apresentada neste trabalho. Uma prova teórica da otimalidade do novo algoritmo, chamado conexidade fuzzy relativa com orientação (ORFC - Oriented Relative Fuzzy Connectedness), em termos de uma função de energia em grafos dirigidos sujeita as restrições de sementes é apresentada, bem como a sua apli- cação em poderosos métodos híbridos de segmentação. O método híbrido proposto ORFC &Graph Cut preserva a robustez do ORFC em relação à escolha de sementes, evitando o problema do viés de encolhimento do método de Corte em Grafo (GC - Graph Cut), e mantém o forte controle do GC no delineamento de contornos de bordas irregulares da imagem. Os métodos propostos são avaliados usando imagens médicas de ressonáncia magnética (RM) e tomografia computadorizada (TC) do cérebro humano e de estudos torácicos. / Image segmentation consists of dividing an image into its composing regions or objects, for example, to isolate the pixels of a target object of a given application. In segmentation of medical images, the object of interest commonly presents transitions at its border predominantly from bright to dark or dark to bright. Traditional region-based methods of image segmentation, such as Relative Fuzzy Connectedness (RFC), do not distinguish well between similar boundaries with opposite orientations. The specification of the boundary polarity can help to alleviate this problem but this requires a mathematical formulation on directed graphs. A discussion on how to incorporate this property in the RFC framework is presented in this work. A theoretical proof of the optimality of the new algorithm, called Oriented Relative Fuzzy Connectedness (ORFC), in terms of an energy function on directed graphs subject to seed constraints is presented, and its application in powerful hybrid segmentation methods. The hybrid method proposed ORFC&Graph Cut preserves the robustness of ORFC respect to the seed choice, avoiding the shrinking problem of Graph Cut (GC), and keeps the strong control of the GC in the contour delination of irregular image boundaries. The proposed methods are evaluated using magnetic resonance medical imaging (MR) and computed tomography (CT) of the human brain and thoracic studies.

No description available.

No description available.