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%.

Made available in DSpace on 2014-12-17T15:48:05Z (GMT). No. of bitstreams: 1 FabianoP_DISSERT.pdf: 3905877 bytes, checksum: 0721827c114aec9f61c1c690dc27dd1d (MD5) Previous issue date: 2013-04-05 / The visualization of three-dimensional(3D)images is increasigly being sed in the area of medicine, helping physicians diagnose desease. the advances achived in scaners esed for acquisition of these 3d exames, such as computerized tumography(CT) and Magnetic Resonance imaging (MRI), enable the generation of images with higher resolutions, thus, generating files with much larger sizes. Currently, the images of computationally expensive one, and demanding the use of a righ and computer for such task. The direct remote acess of these images thruogh the internet is not efficient also, since all images have to be trasferred to the user?s equipment before the 3D visualization process ca start. with these problems in mind, this work proposes and analyses a solution for the remote redering of 3D medical images, called Remote Rendering (RR3D). In RR3D, the whole hedering process is pefomed a server or a cluster of servers, with high computational power, and only the resulting image is tranferred to the client, still allowing the client to peform operations such as rotations, zoom, etc. the solution was developed using web services written in java and an architecture that uses the scientific visualization packcage paraview, the framework paraviewWeb and the PACS server DCM4CHEE.The solution was tested with two scenarios where the rendering process was performed by a sever with graphics hadwere (GPU) and by a server without GPUs. In the scenarios without GPUs, the soluction was executed in parallel with several number of cores (processing units)dedicated to it. In order to compare our solution to order medical visualization application, a third scenario was esed in the rendering process, was done locally. In all tree scenarios, the solution was tested for different network speeds. The solution solved satisfactorily the problem with the delay in the transfer of the DICOM files, while alowing the use of low and computers as client for visualizing the exams even, tablets and smart phones / A visualiza??o de imagens tridimensionais (3D) est? cada vez mais presente na ?rea da medicina, auxiliando os m?dicos no diagn?stico de doen?as e na emiss?o de laudos. Com o avan?o dos equipamentos que geram imagens tomogr?ficas dos pacientes, como os de Tomografia Computadorizada (TC), est?o sendo geradas imagens cada vez mais n?tidas e, portanto, com resolu??es e tamanhos maiores. Atualmente, as imagens contidas em um exame de TC geralmente ocupam o tamanho de dezenas e centenas de megabytes, tornando o processo de visualiza??o 3D cada vez mais pesado - exigindo do usu?rio um equipamento com bom poder computacional. O acesso remoto ? estas imagens, via internet por exemplo, tamb?m n?o ? muito eficiente, pois todas as imagens precisam ser transferidas para o equipamento do usu?rio antes que o processo de visualiza??o 3D seja iniciado. Diante destes problemas (tamanho das imagens e acesso remoto), este trabalho envolve a cria??o e an?lise de um servi?o web para renderiza??o remota de imagens m?dicas 3D, denominado RR3D. Nele, todo o processo de renderiza??o volum?trica ser? realizado por um servidor, ou cluster de servidores, com alto poder computacional e somente a imagem 3D resultante ser? enviada ao cliente, permitindo que este ainda possa fazer opera??es como rota??o, zoom etc. O servi?o web ser? desenvolvido utilizando a linguagem Java e na arquitetura do projeto ser?o utilizados o programa de visualiza??o cient?fica Paraview, o framework ParaviewWeb e o servidor DCM4CHEE

Made available in DSpace on 2014-12-17T14:54:49Z (GMT). No. of bitstreams: 1 HelianaBS_da_capa_ate_cap4.pdf: 2361373 bytes, checksum: 3e1e43e8ba1aadc274663b8b8e3de72f (MD5) Previous issue date: 2008-02-22 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / The skin cancer is the most common of all cancers and the increase of its incidence must, in part, caused by the behavior of the people in relation to the exposition to the sun. In Brazil, the non-melanoma skin cancer is the most incident in the majority of the regions. The dermatoscopy and videodermatoscopy are the main types of examinations for the diagnosis of dermatological illnesses of the skin. The field that involves the use of computational tools to help or follow medical diagnosis in dermatological injuries is seen as very recent. Some methods had been proposed for automatic classification of pathology of the skin using images. The present work has the objective to present a new intelligent methodology for analysis and classification of skin cancer images, based on the techniques of digital processing of images for extraction of color characteristics, forms and texture, using Wavelet Packet Transform (WPT) and learning techniques called Support Vector Machine (SVM). The Wavelet Packet Transform is applied for extraction of texture characteristics in the images. The WPT consists of a set of base functions that represents the image in different bands of frequency, each one with distinct resolutions corresponding to each scale. Moreover, the characteristics of color of the injury are also computed that are dependants of a visual context, influenced for the existing colors in its surround, and the attributes of form through the Fourier describers. The Support Vector Machine is used for the classification task, which is based on the minimization principles of the structural risk, coming from the statistical learning theory. The SVM has the objective to construct optimum hyperplanes that represent the separation between classes. The generated hyperplane is determined by a subset of the classes, called support vectors. For the used database in this work, the results had revealed a good performance getting a global rightness of 92,73% for melanoma, and 86% for non-melanoma and benign injuries. The extracted describers and the SVM classifier became a method capable to recognize and to classify the analyzed skin injuries / O c?ncer de pele ? o mais comum de todos os c?nceres e o aumento da sua incid?ncia deve-se, em parte, ao comportamento das pessoas em rela??o ? exposi??o ao sol. No Brasil, o c?ncer de pele n?o melanoma ? o mais incidente na maioria das regi?es. A dermatoscopia e ideodermatoscopia s?o os principais tipos de exames para o diagn?stico de doen?as da pele dermatol?gicas. O campo que envolve o uso de ferramentas computacionais para o aux?lio ou acompanhamento do diagn?stico m?dico em les?es dermatol?gicas ainda ? visto como muito recente. V?rios m?todos foram propostos para classifica??o autom?tica de patologias da pele utilizando imagens. O presente trabalho tem como objetivo apresentar uma nova metodologia inteligente para an?lise e classifica??o de imagens de c?ncer de pele, baseada nas t?cnicas de processamento digital de imagens para extra??o de caracter?sticas de cor, forma e textura, utilizando a Transformada Wavelet Packet (TWP) e a t?cnicas de aprendizado de m?quina denominada M?quina de Vetor de Suporte (SVM Support Vector Machine). A Transformada Wavelet Packet ? aplicada para extra??o de caracter?sticas de textura nas imagens. Esta consiste de um conjunto de fun??es base que representa a imagem em diferentes bandas de freq??ncia, cada uma com resolu??es distintas correspondente a cada escala. Al?m disso, s?o calculadas tamb?m as caracter?sticas de cor da les?o que s?o dependentes de um contexto visual, influenciada pelas cores existentes em sua volta, e os atributos de forma atrav?s dos descritores de Fourier. Para a tarefa de classifica??o ? utilizado a M?quina de Vetor de Suporte, que baseia-se nos princ?pios da minimiza??o do risco estrutural, proveniente da teoria do aprendizado estat?stico. A SVM tem como objetivo construir hiperplanos ?timos que apresentem a maior margem de separa??o entre classes. O hiperplano gerado ? determinado por um subconjunto dos pontos das classes, chamado vetores de suporte. Para o banco de dados utilizado neste trabalho, os resultados apresentaram um bom desempenho obtendo um acerto global de 92,73% para melanoma, e 86% para les?es n?o-melanoma e benigna. O potencial dos descritores extra?dos aliados ao classificador SVM tornou o m?todo capaz de reconhecer e classificar as les?es analisadas

Made available in DSpace on 2014-12-17T14:55:35Z (GMT). No. of bitstreams: 1 JacksonGS.pdf: 1963039 bytes, checksum: ed3464892d7bb73b5dcab563e42f0e01 (MD5) Previous issue date: 2009-09-28 / Image segmentation is one of the image processing problems that deserves special attention from the scientific community. This work studies unsupervised methods to clustering and pattern recognition applicable to medical image segmentation. Natural Computing based methods have shown very attractive in such tasks and are studied here as a way to verify it's applicability in medical image segmentation. This work treats to implement the following methods: GKA (Genetic K-means Algorithm), GFCMA (Genetic FCM Algorithm), PSOKA (PSO and K-means based Clustering Algorithm) and PSOFCM (PSO and FCM based Clustering Algorithm). Besides, as a way to evaluate the results given by the algorithms, clustering validity indexes are used as quantitative measure. Visual and qualitative evaluations are realized also, mainly using data given by the BrainWeb brain simulator as ground truth / Segmenta??o de imagens ? um dos problemas de processamento de imagens que merece especial interesse da comunidade cient?fica. Neste trabalho, s?o estudado m?todos n?o-supervisionados para detec??o de algomerados (clustering) e reconhecimento de padr?es (pattern recognition) em segmenta??o de imagens m?dicas M?todos baseados em t?cnicas de computa??o natural t?m se mostrado bastante atrativos nestas tarefas e s?o estudados aqui como uma forma de verificar a sua aplicabilidade em segmenta??o de imagens m?dicas. Este trabalho trata de implementa os m?todos GKA (Genetic K-means Algorithm), GFCMA (Genetic FCM Algorithm) PSOKA (Algoritmo de clustering baseado em PSO (Particle Swarm Optimization) e K means) e PSOFCM (Algoritmo de clustering baseado em PSO e FCM (Fuzzy C Means)). Al?m disso, como forma de avaliar os resultados fornecidos pelos algoritmos s?o utilizados ?ndices de valida??o de clustering como forma de medida quantitativa Avalia??es visuais e qualitativas tamb?m s?o realizadas, principalmente utilizando dados do sistema BrainWeb, um gerador de imagens do c?rebro, como ground truth