Doenças coronárias causam a morte de milhões de pessoas anualmente. Uma dessas disfunções é a aterosclerose coronariana, acúmulo de placas lipídicas, fibrosas, e calcificadas na parede das coronárias. Esse acúmulo pode causar tromboses, infarto do miocárdio, ou morte cardíaca súbita. Porém, essas lesões apresentam graus distintos de periculosidade e elasticidade. As predominantemente lipídicas são de alto risco e elasticidade, enquanto as calcificadas e as fibrosas são mais estáveis e menos elásticas. O Ultrassom Intravascular (IVUS) é uma das modalidades de referência em diagnósticos e acompanhamento de doenças coronárias. Contudo, a imagem de IVUS pura fornece apenas informações subjetivas sobre vasos e placas; assim, é importante a criação de métodos e técnicas que possam tornar objetiva a análise dessa informação. Devido a isso, e levando em conta a riqueza de informações espaciais e temporais presentes nas imagens de IVUS, esse trabalho apresenta métodos de segmentação, e extração de características de lesões, que possibilitam a quantização de informações espaciais, e a discriminação de placas de baixo e elevado-risco. Consequentemente, fornecendo subsídios para diagnósticos, e procedimentos terapêuticos mais adequados. O método de segmentação combina Wavelet, Otsu, e Morfologia Matemática, para delineamento da parede do vaso. A avaliação do método foi feita usando 1300 imagens de IVUS, resultando em 92, 72% e 91, 9% de verdadeiros positivos, e 10, 7% e 9, 1% de falsos positivos, para o lúmen e borda da média adventícia, respectivamente. Adicionalmente, foi criado um método simples, para caracterização de placas a partir de suas propriedades mecânicas. Esse procedimento se baseia em computar um índice, chamado taxa de variação da área da placa, em imagens adquiridas pré e pós deformação do vaso e placas. Phantoms foram usados para avaliação, os resultados conseguidos com o índice proposto e um amplamente usado foram comparados. Uma correlação chegando à 99%, uma forte concordância usando Análise de Bland Altman, e Histogramas muito similares entre os dois índices, mostraram que o método proposto equivale ao já estabelecido. / Coronary diseases are the cause of death of millions of people annually. One of these dysfunctions is the coronary atherosclerosis, which is the accumulation of lipidic, fibrous and calcified plaques in the coronary wall. This accumulation may cause thrombosis, myocardial infarction and sudden cardiac death. Nonetheless, the kind of plaques offers different levels of dangerousness and elasticity. The highly lipidic plaques are very elastic, offers high risk, while the calcified and fibrous are more stable and less elastic. The Intravascular Ultrasound (IVUS) is the reference medical imaging modality for diagnostic and treatment of coronary diseases. However, the conventional IVUS images provides only anatomical vessel and plaque information; therefore, it is very important the creation of methods and techniques that could make objective the analysis of this information. Due to that, and taking into account the spatial and time information of IVUS images, this work presents methods of segmentation, and feature extraction of lesions, which make possible the quantization of spatial information, and the discrimination of high, and low risk plaques. Consequently, subsidies for diagnoses and more appropriate therapeutic procedures are provided. The segmentation method combines Wavelet, Otsu, and Mathematical Morphology, for the vessel wall delineation. The method evaluation was performed using 1300 IVUS images, resulting in 92, 72% and 91, 9% of true positives, and 10, 7% and 9, 1% of false positives, for the lumen and media adventitia border, respectively. Additionally, a simple method, for plaque characterization using the regarding mechanical properties was created. The procedure relies on computing an index, ratio of plaque area variation, in acquired images pre and post deformation procedure of vessel wall and plaques. Phantoms were used for evaluation. The results obtained by the proposed index, and a widely used one was compared. A correlation up to 99%, a strong agreement with Bland Altman, and similar Histograms between the two indexes demonstrated the equivalence between them; however, the proposed index is much simpler.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-05-30T19:36:59Z No. of bitstreams: 1 GiovanniLucca.pdf: 1608375 bytes, checksum: 90ad0a568a12b861d1a2a3467c275a12 (MD5) / Made available in DSpace on 2017-05-30T19:36:59Z (GMT). No. of bitstreams: 1 GiovanniLucca.pdf: 1608375 bytes, checksum: 90ad0a568a12b861d1a2a3467c275a12 (MD5) Previous issue date: 2017-01-31 / CAPES / Lung cancer is the leading cause of cancer death worldwide, which accounts for more than 17% percent of the total cancer related deaths. However, its early detection may help in a sharp drop in this mortality rate. Because of the arduous analysis process, alternatives such as computational tools that use image processing techniques and pattern recognition have been widely developed and explored for the early diagnosis of this disease, providing a second opinion to the specialist and making this process faster. Therefore, this work proposes a methodology for the diagnosis of slice-based lung nodules extracted from computed tomography images using evolutionary convolutional neural networks. Firstly, the nodules are divided into two sub-regions using the Otsu algorithm based on the particle swarm optimization algorithm. Then, the slices of the nodules and the slices of their sub-regions were resized to the 28 x 28 dimension and given as input simultaneously to the networks. The architecture of the model was composed of three convolutional neural networks sharing the same fully connected layer at the end. Being a parameterized model, the genetic algorithm was applied to optimize some parameters, such as the number of filters in the convolution layers and the number of neurons in the hidden layer. The proposed methodology was tested on the Lung Image Database Consortium and the Image Database Resource Initiative, resulting in a sensitivity of 94.66 %, specificity of 95.14 %, accuracy of 94.78 % and area under the ROC curve of 0.949. / O câncer de pulmão é a maior causa de morte por câncer em todo mundo, representando mais de 17% do total de mortes relacionadas com câncer. No entanto, sua detecçãao precoce pode ajudar em uma queda acentuada nesta taxa de mortalidade. Devido ao árduo processo na análise dos exames por imagens, alternativas como sistemas computacionais que utilizam técnicas de processamento de imagens e reconhecimento de padrões têm sido amplamente desenvolvidos e explorados para o diagnóstico precoce desta doen¸ca, provendo uma segunda opinião para o especialista e tornando esse processo mais rápido. Diante disso, este trabalho propõe uma metodologia para o diagnóstico de nódulos pulmonares baseado nas fatias extraídas da tomografia computadorizada usando as redes neurais convolucionais evolutivas. Primeiramente, os nódulos são divididos em duas sub-regiões utilizando o algoritmo de Otsu baseado no algoritmo de otimização por enxame de partículas. Em seguida, as fatias dos nódulos e as fatias das suas sub-regiões foram redimensionadas para a dimensão 28 x 28 e dadas como entrada simultaneamente às redes. A arquitetura do modelo foi composta por três redes neurais convolucionais compartilhando a mesma camada completamente conectada no final. Tratando-se de um modelo parametrizado, o algoritmo genético foi aplicado para otimização de alguns parâmetros, tais como a quantidade de filtros nas camadas de convolução e a quantidade de neurônios na camada oculta. A metodologia proposta foi testada na base de imagens Lung Image Database Consortium e a Image Database Resource Initiative, resultando em uma sensibilidade de 94,66%, especifidade de 95,14%, acurácia de 94,78% e área sob a curva ROC de 0,949.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-05-30T21:09:57Z No. of bitstreams: 1 JoaoDiniz.pdf: 2606559 bytes, checksum: 262a9c98db11667d3a482c378ab78b50 (MD5) / Made available in DSpace on 2017-05-30T21:09:57Z (GMT). No. of bitstreams: 1 JoaoDiniz.pdf: 2606559 bytes, checksum: 262a9c98db11667d3a482c378ab78b50 (MD5) Previous issue date: 2017-02-03 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Breast cancer is the type of cancer that most affects women and is one of the leading causes of death worldwide. Aiming to aid the detection and diagnosis of this pathology, several techniques in the image area are being created serving as a second opinion. It is known that mammograms of the left and right breast present a high degree of symmetry, and when there is a sudden difference between the pairs, it can be considered suspicious. It is also emphasized that the breast can present different density of the tissue and this can be a factor that makes difficult the detection and diagnosis of the lesions. Thus, the objective of this work is to develop an automatic methodology for the detection of mass regions in pairs of digitized mammograms adapted to breast density, using image processing and species comparison techniques to determine asymmetric regions in the breasts together with neural convolutional networks for Classification of breast density and regions in masses and not masses. The proposed methodology is divided into two phases: training phase and test phase. In the training phase will be created three models using convolutional neural networks, the first able to classify the breast as density and the last two to classify regions of mass and non-mass in dense and non-dense breasts.The steps are in aligning the breasts so that it is possible to make a comparison between the pairs. When comparing, asymmetric regions will be segmented, these regions will undergo a process of reduction of false positives in order to eliminate regions that are not masses. Before classifying the remaining regions, the breasts undergo the process of density classification by the model obtained in the training phase. Finally, for each type of breast, a model will classify the regions segmented into masses and not masses. The methodology presented excellent results, in the non-dense breasts reaching sensitivity of 91.56 %, specificity of 90.73 %, accuracy of 91.04 % and rate of 0.058 false positives per image. Dense breasts showed 90.36 % sensitivity, 96.35 % specificity, 94.84 % accuracy and 0.027 false positives per image. The results show that the methodology is promising and can be used to compose a CAD system, serving as a second option for the expert in the task of detecting mass regions. / O cãncer de mama é o tipo de câncer que mais acomete as mulheres e uma das principais causas de morte em todo o mundo. Visando auxiliar a detecção e diagnóstico desta patologia, diversas técnicas na érea de imagem estão sendo criadas servindo como um auxílio ao especialista. Sabe-se que mamografias esquerda e direita apresentam alto grau simetria, e quanto há uma diferença brusca entre os pares, pode-se considerar algo de suspeito. Ressalta-se também que a mama pode apresentar densidade diferente do tecido e isso pode ser um fator que dificulte na detecção e diagnóstico das lesões. Assim, o objetivo deste trabalho é desenvolver uma metodologia automática de detecção de regiões de massa em pares de mamografias digitalizadas adaptada à densidade da mama, utilizando técnicas de processamento de imagens e comparação de espécies para determinar regiões assimétricas nas mamas juntamente com redes neurais convolucionais para classificação de densidade da mama e de regiões em massas e não massas. A metodologia proposta é dividida em duas fases: fase de treinamento e fase de teste. Na fase de treinamento serão criados três modelos utilizando redes neurais convolucionais, o primeiro capaz de classificar a mama quanto a densidade e os dois últimos classificam regiões de massa e não massa em mamas densas e não densas. Na fase de teste, imagens de mamografia da base DDSM passarão por várias etapas a fim de segmentar regiões assimétricas que serão posteriormente classificadas. As etapas resumem-se em alinhar as mamas para que seja possível fazer uma comparação entre os pares. Ao comparar, serão segmentadas regiões assimétricas, essas regiões passarão por processo de redução de falsos positivos a fim de eliminar regiões que não são massas. Antes de classificar as regiões restantes, as mamas passam pelo processo de classificação de densidade pelo modelo obtido na fase de treinamento. Por fim, para cada tipo de mama, um modelo irá classificar as regiões segmentadas em massas e não massas. O método proposto apresentou resultados promissores, nas mamas não densas atingiu sensibilidade de 91,56%, especificidade de 90,73%, 91,04% de acurácia e taxa de 0,058 falsos positivos por imagem. As mamas densas, apresentaram resultados de 90,36% de sensibilidade, 96,35% de especificidade, 94,84% de acurácia e 0,027 falsos positivos por imagem. Os resultados mostram que a metodologia é promissora e pode ser utilizada para compor um sistema CAD na tarefa de detectar regiões de massas.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-06-23T21:24:53Z No. of bitstreams: 1 AntonioCarvalho.pdf: 2731250 bytes, checksum: 35369a74be0aec3dd6b29a792c37fc35 (MD5) / Made available in DSpace on 2017-06-23T21:24:53Z (GMT). No. of bitstreams: 1 AntonioCarvalho.pdf: 2731250 bytes, checksum: 35369a74be0aec3dd6b29a792c37fc35 (MD5) Previous issue date: 2016-10-10 / Lung cancer has been identi ed as the leading cause of death among cancer patients worldwide. The high rates of deaths and instances of records of this type of cancer worldwide demonstrate the importance of the development and research in order to produce resources for the detection and early diagnosis of this disease. Because of the exhaustive analysis process, alternatives such as computational tools that use image processing techniques and pattern recognition have been widely explored. Therefore, to assist the expert in the identi cation and diagnosis of nodules, systems are developed Computer-Aided Detection (CAD) and Computer-Aided Diagnostic (CADx). This thesis proposes the development of methods that reduce false positives, and the diagnosis of volumes of interest in computed tomography. The proposed methods are based on image processing techniques and pattern recognition. For this, biology concepts have been adapted and applied to the study of the branch of the diversity of species; such concepts are the phylogenetic diversity indexes used in this thesis as texture descriptors. In another aspect, techniques that measure the properties of the shape of radiological ndings have been developed and adapted. Subsequently, an evolutionary methodology is used for the selection of the best models for training. Finally, a support vector machine is applied to perform the classi cation. Promising results were found in the 833 tests that we performed; these tests were divided into 80% for training and 20% for testing. In general, for the best results, we have false positive reduction methods, an accuracy of 99.57%, sensitivity of 99.45%, speci city of 99.61%, and an ROC curve of 0.992. The results obtained for the classi cation of the degree of malignancy and benignity are: accuracy of 93.46%, sensitivity of 92.95%, speci city of 93.49%, and an ROC curve of 0.931. / O câncer de pulmão é apontado como a principal causa de morte entre os pacientes com câncer. As altas taxas de mortes e registros de ocorrências desse câncer em todo o mundo demonstram a importância do desenvolvimento e investigação, a fi m de produzir meios para a detecção e o diagnóstico precoce dessa doença. Devido ao exaustivo processo de análise, alternativas como ferramentas de cunho computacional que utilizam técnicas de processamento de imagens e do reconhecimento de padrões têm sido amplamente exploradas. Assim, para auxiliar o especialista na identifi cação e diagnóstico de nódulos, são desenvolvidos sistemas Computer-Aided Detection (CAD) e Computer-Aided Diagnostic (CADx). Esta tese propõe o desenvolvimento de métodos para redução de falsos positivos em um sistema CAD e diagnóstico de nódulos em tomografi a computadorizada. Os métodos propostas baseiam-se em técnicas de processamento de imagens e reconhecimento de padrões. Para tanto, foram adaptados e aplicados os conceitos da biologia no ramo do estudo da diversidade entre espécies, sendo esses os índices de diversidade logenética, usados nesta tese como descritores de textura. Em outro aspecto, foram desenvolvidas e adaptadas técnicas capazes de mensurar propriedades de forma dos achados radiológicos. Seguindo, usou-se uma metodologia evolutiva genética para seleção dos melhores modelos de treinamento. E por fi m, foi aplicada a máquina de vetor de suporte para realizar a classificação . Resultados promissores foram encontrados em teste com 833 exames divididos em 80% para treino e 20% para testes. Em linhas gerais, para os melhores resultados tem-se, nos métodos de redução de falsos positivos: uma acurácia de 99,57%, sensibilidade de 99,45%, especificidade de 99.61% e uma curva ROC de 0,992. Já nos resultados para a classificação quanto a taxa de malignidade e benignidade, obtiveram-se os seguintes valores: acurácia de 93,46%, sensibilidade de 92,95%, especificidade de 93,49% e uma curva ROC de 0,931.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-06-26T19:30:57Z No. of bitstreams: 1 Stelmo.pdf: 9433038 bytes, checksum: 2b73bb4f0f32aec1145044fb676465e6 (MD5) / Made available in DSpace on 2017-06-26T19:30:57Z (GMT). No. of bitstreams: 1 Stelmo.pdf: 9433038 bytes, checksum: 2b73bb4f0f32aec1145044fb676465e6 (MD5) Previous issue date: 2016-10-17 / Lung cancer is one of the most common types of cancer around the world. Temporal evaluation has become a very useful tool when to whoever needs to analyze a lung lesion. The analysis occurs when a malignant lesion is under treatment or when there are indeterminate lesions, but they are probably benign. The objective from this work is to develop computational methods to detect, quantify and analyze local and global density changes of pulmonary lesions over time. Thus, it were developed four groups of methods to perform this task. The rst identi es local density changes and it has been denominated voxel-based. The second one is composed of the Jensen divergence and the hypothesis test with global and local approaches. Similarly, the third group has only one method, the principal component analysis. The last group has one method, it has been denominated modi ed quality threshold, and identi es the local density changes. In order to reach the objectives, it was proposed a methodology composed of ve steps: The rst step consists in image acquisition of the lesion at various instants. Two image databases were acquired and two models of lesions were created to evaluate the methods. The rst database has 24 lesions under treatment (public database) and the second has 13 benign nodules (private database) in monitoring. The second step refers to rigid registration of the lesion images. The next step is to apply the proposed four groups of methods. As a result, the second group of methods detected more density changes than the fourth group, which in turn, this latter detected more regions than the rst group and this more than the third group, for the public database. For the private database, the fourth group of density change methods detected more regions than the rst group. The third group detected few regions of changes when compared to the rst group and the second group had the lowest number of detected regions. In addition to the density changes found, the proposed classi cation model with texture features had accuracy above 98% in the diagnosis prediction. The results state that there are changes in both databases. However, the detected changes for each group of methods have di erent intensity and location to the databases. This conclusion is based from high accuracy that was obtained from the prediction of the lesion diagnosis from both databases. / O câncer de pulmão é um dos tipos de câncer de maior incidência no mundo. A avaliação temporal aparece como ferramenta bastante útil quando se deseja analisar uma lesão. A análise pode ocorrer quando uma lesão maligna está em tratamento ou quando surgem lesões indeterminadas, mas essas são provavelmente benignas. O objetivo deste trabalho é desenvolver métodos computacionais para detectar, quantifi car e analisar mudanças de densidade locais e globais das lesões pulmonares ao longo do tempo. Desta forma, foram desenvolvidos quatro conjuntos de métodos para realização da tarefa de detectar mudanças de densidade em lesões pulmonares. O primeiro conjunto identifi ca mudanças de densidade locais e foi denominado de métodos baseados em voxel. O segundo conjunto é composto da divergência de Jensen e do teste de hipótese com abordagens locais e globais. Com o mesmo propósito de detectar mudanças de densidade locais em lesões pulmonares, o terceiro conjunto possui um único método, a análise de componentes principais. O último conjunto também possui um único método, denominado de quality threshold modi ficado e identifi ca as mudanças locais de densidade. Para cumprir o objetivo deste trabalho, propõe-se uma metodologia composta de cinco etapas. A primeira etapa consiste na aquisição das imagens da lesão em diversos instantes. Duas bases de lesões foram utilizadas e dois modelos de lesões foram propostos para avaliação dos métodos. A primeira base possui 24 lesões em tratamento (base pública) e a segunda possui 13 nódulos benignos (base privada) em acompanhamento. A segunda etapa corresponde ao registro rígido das imagens da lesão. A próxima etapa é a aplicação dos quatro conjuntos de métodos propostos. Como resultado, o segundo conjunto de métodos detectou mais mudanças de densidade que o quarto conjunto, que por sua vez, este ultimo detectou mais regões que o primeiro conjunto e este mais que o terceiro conjunto, para a base pública de lesões. Em relação a base privada, o quarto conjunto de métodos detectou mais regiões de mudança de densidade que o primeiro conjunto. O terceiro conjunto detectou menos regiões de mudança quando comparado ao primeiro conjunto e o segundo conjunto teve o menor n úmero de regiões detectadas. Em adição às mudanças de densidade encontradas, o modelo de classi ficação proposto com medidas clássicas de textura para predição do diagnóstico da lesão teve acurácia acima de 98%. Os resultados encontrados indicam que existem mudanças de densidade em ambas as bases de lesões pulmonares. Entretanto, as mudanças detectadas por cada um dos métodos propostos possuem características de intensidade e localização diferentes em ambas as bases. Essa conclusão é motivada pela alta acurácia obtida em seu diagnóstico para as bases utilizadas.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-08-18T14:02:37Z No. of bitstreams: 1 cleriston.pdf: 1605933 bytes, checksum: c1faa5f854c1a9debfbaa1affc5ab4ad (MD5) / Made available in DSpace on 2017-08-18T14:02:37Z (GMT). No. of bitstreams: 1 cleriston.pdf: 1605933 bytes, checksum: c1faa5f854c1a9debfbaa1affc5ab4ad (MD5) Previous issue date: 2009-02-12 / The diagnosis of lung nodules has been constantly looked for by researchers as a way to minimize the high global mortality indices related to lung cancer. The usage of medical images, such as Computerized Tomography, has made possible the deepening and the improvement of techniques used to evaluate exams and provide diagnosis. This work presents a methodology for diagnosing single lung nodules that can be an aid for studies performed on similar areas and for specialists. This methodology was applied to two different image databases. The representation of the nodules was done with extraction of geometry and texture features, being the last one described through Simpson’s Index, a statistic used in Spatial Analysis and in Ecology. These features were submitted to the Support Vector Machine classifier (SVM) in two approaches: the traditional approach and the approach by using One Class. With the traditional SVM approach, we have obtained sensibility rates of 90%, specificity of 96.67% and accuracy of 95%. Using One Class SVM, the obtained rates were: sensibility of 89.7%, specificity of 89.7% and accuracy of 89.7%. / O diagnóstico de nódulos pulmonares tem sido buscado constantemente por pesquisadores como forma de amenizar os altos índices de mortalidade mundial relacionado ao câncer de pulmão. O uso de imagens médicas, como a Tomografia Computadorizada, tem possibilitado um aprofundamento e melhoramento de técnicas para avaliar exames e prover diagnósticos. Este trabalho apresenta uma metodologia para diagnóstico de nódulos pulmonares solitários que possa servir como um auxílio para estudos realizados em áreas afins e para especialistas. Esta metodologia foi aplicada a duas diferentes bases de dados de imagens. A representação dos nódulos foi feita com a extração de medidas de geometria e de textura sendo esta última descrita através do Índice de Simpson, uma estatística utilizada na Análise Espacial e na Ecologia. Essas medidas foram submetidas ao classificador Máquina de Vetores de Suporte - MVS em duas abordagens: a abordagem tradicional e abordagem usando uma classe. Com abordagem MVS tradicional, obtiveramse taxas de sensibilidade de 90%, especificidade de 96,67% e acurácia de 95%. Usando MVS de uma classe, as taxas obtidas foram: sensibilidade igual a 89,7%, especificidade igual a 89,7% e acurácia igual a 89,7%.

Com a crescente utilização de imagens médicas na prática clínica, torna-se necessária a introdução de tecnologias que garantam o armazenamento, indexação e recuperação eficaz dessas imagens. O sistema de recuperação de imagens médicas baseada em conteúdo (S-CBIR) compõe a base de tecnologias computacionais que oferecem aos usuários médicos aplicativos para apoio ao diagnóstico, sendo capaz de responder a consultas por similaridade por meio de características pictóricas extraídas das imagens médicas. Embora as pesquisas em S-CBIR tenham iniciado há quase duas décadas, atualmente existe uma discrepância em relação à quantidade de trabalhos publicados na literatura e os sistemas que, de fato, foram implementados e avaliados. Além disso, muitos protótipos vêm sendo discutidos, mas até o final da escrita desta tese, não foram encontradas evidências de que algum deles esteja disponível comercialmente. Essa limitação é conhecida pela comunidade científica da área por gap de aplicação. Em geral, isso ocorre devido à dificuldade dessas aplicações em superar alguns desafios, como a divergência entre os resultados obtidos automaticamente pelo sistema e aqueles esperados pelos médicos (gap semântico), entre outros gap. Outros fatores também podem ser relatados, como a tendência da não utilização de modelos de qualidade sistematizados para o desenvolvimento dos sistemas, e a carência de modelos que sejam específicos no domínio de aplicação. Com base nesses desafios e em boas práticas de métodos, técnicas e ferramentas da Engenharia de Software, esta tese apresenta um Modelo de Qualidade para melhorias de S-CBIR (MQ-SCBIR), que tem por objetivo apoiar o desenvolvimento e avaliação de S-CBIR, a partir de diretrizes para aumentar o nível de qualidade, buscando a superação do gap de aplicação. O MQ-SCBIR foi construído com base em: evidências adquiridas por meio de uma revisão sistemática e pesquisa empírica sobre como esses sistemas vêm sendo desenvolvidos e avaliados na literatura e na prática; resultados da avaliação de um S-CBIR baseados em testes heurísticos em um ambiente real; modelos bem estabelecidos, como o Capability Maturity Model Integration e Melhoria de Processo do Software Brasileiro; e em experiências pessoais. O uso do MQ-SCBIR pode trazer benefícios para as organizações desenvolvedoras, como a redução da complexidade no desenvolvimento, incluindo a garantia de implementação de boas práticas de qualidade de software e práticas específicas para a superação das limitações de S-CBIR durante o processo de desenvolvimento. / The development of technologies for storing, indexing and recovering clinical images is paramount to support the increasing use of these images in clinical diagnostic evaluation. Content-based image retrieval systems (CBIR-S) are some of the main computational technologies which offer physicians different applications to aid diagnostic processes. They allow similarity queries by extracting pictorial features from medical images. Even though research on S-CBIR started almost two decades ago, there are discrepancies regarding the amount of studies available in the literature and the number of systems which have actually been implemented and evaluated. Many prototypes have been discussed, but up to the moment this study was completed we found no evidence that any of those systems are either commercially available or being currently used in clinical practice. This limitation is known as application gap. In general, this happens due to the difficulty to overcome some obstacles, such as the differences between the results retrieved automatically by the system and those expected by the physicians (semantic gap). Other factors can also be described, such as the tendency towards not using systematic quality models to develop these systems and the lack of specific models for this domain of application. Based on these challenges and also on best practice methods, techniques and tools from software engineering, this work presents a quality model to improve S-CBIR systems (QM-CBIRS). It strives to tackle limitations during the development process by overcoming the semantic gap. The QM-CBIRS was built upon evidence gathered by means of a systematic review on the state-of-the-art and empiric research on the development and evaluation of these systems. Apart from that, results from the assessment of a CBIR-S based on empiric tests and on diagnostic tasks in radiology and well-established software quality models, such as CMMI and the Brazilian Software Improvement Process are presented. Apart from that, results from the assessment of a CBIR-S based on empiric tests and on diagnostic tasks in radiology and well-established software quality models, such as CMMI and the Brazilian Software Improvement Process are presented. The use of QM-CBIRS might be beneficial to development teams in many ways, for example, by increasing the quality of CBIR systems and reducing complexity, thus surpassing limitations from CBIR systems during the development process.

Made available in DSpace on 2014-06-11T19:29:40Z (GMT). No. of bitstreams: 0 Previous issue date: 2008-07-04Bitstream added on 2014-06-13T19:59:31Z : No. of bitstreams: 1 fornazin_m_me_sjrp.pdf: 1953887 bytes, checksum: ac157f61b62e589f71d9cc312628c74e (MD5) / Biometria trata do reconhecimento de indivíduos baseado em características fisiológicas ou comportamentais, sendo que umas de suas aplicações é autenticação biométrica. A autenticação biométrica tem vantagens com relação às senhas, no entanto, as informações biométricas também precisam ser protegidas. Ao contrário das senhas, a biometria apresenta variabilidade no sinal, isto é, raramente duas representações de uma mesma característica biometria são idênticas, sendo que, os criptossistemas tradicionais não suportam essa propriedade. Para contornar esse problema, criptossistemas biométricos unem biometria e criptografia para encriptar informações biométricas e protegê-las. Fuzzy Vault é uma construção criptográfica que pode ser utilizada na encriptação de características biométricas e atualmente, há propostas de implementação do Fuzzy Vault para impressões digitais, íris, face e assinaturas. O presente estudo implementa o Fuzzy Vault para impressões digitais e analisa seu desempenho em um ambiente de aplicação real e em um cenário de proteção de imagens médicas usando biometria. A proposta de implementação do Fuzzy Vault encripta e desencripta o Fuzzy Vault para impressões digitais realizando o alinhamento da impressão digital. A proteção de imagens médicas encripta imagens médicas com um criptossistema tradicional e encripta a chave criptográfica com a implementação do Fuzzy Vault. Os experimentos apresentaram entre 92% e 97,96% de GAR e 0% de FAR, esses resultados ocorreram em função dos mecanismos de alinhamento e identificação de pontos candidatos implementados neste estudo. O tempo de encriptação é constante em 0,8 s. Já o tempo de desencriptação apresenta grande variabilidade, e depende da quantidade de pontos candidatos, com mediana variando entre 16 ms e 1 s nas desencriptações com sucesso... / Biometrics deals with people recognition based physiological or behavioral features where one of its application it biometric authentication. Biometric authentication has some advantages over passwords, but biometric information also need to be protected. Instead of passwords, biometrics has signal variability, i.e., two representation of the same biometric feature rarely are identical, and traditional cryptosystems does not support this feature. To overcome this issue biometric cryptosystems join biometrics and cryptography to encode biometric information and protected them. Fuzzy Vault is a cryptographic construction which can be used to encode biometric features. Today, there are some implementation proposals of Fuzzy Vault for fingerprints, iris, face and handwrite signature. This study implements Fuzzy Vault for fingerprints and analyses its performance in a real application environment and a scenario of medical image protection using biometrics. The proposed Fuzzy Vault implementation encodes and decodes Fuzzy Vault for fingerprints and performs fingerprint alignment. Medical image protecting encodes medical images with a traditional cryptosystems and encode its cryptographic key using the Fuzzy Vault implementation. Performance evaluation achieved between 92% and 97,96% of GAR and 0% of FAR, this results has been achieved with aligning and candidates points identification mechanisms implemented. Encoding time is constant in 0,8 s, but decoding time has a big variance which depends on number of candidates points, median varies between 16 ms and 1 s considering successful decodes. In the medical image protection scenario, the proposed system has a low overhead and better performance compared to a asymmetric cryptosystem, encoding time is 17 times better and decoding time is 245 times better.

Com a crescente utilização de imagens médicas na prática clínica, torna-se necessária a introdução de tecnologias que garantam o armazenamento, indexação e recuperação eficaz dessas imagens. O sistema de recuperação de imagens médicas baseada em conteúdo (S-CBIR) compõe a base de tecnologias computacionais que oferecem aos usuários médicos aplicativos para apoio ao diagnóstico, sendo capaz de responder a consultas por similaridade por meio de características pictóricas extraídas das imagens médicas. Embora as pesquisas em S-CBIR tenham iniciado há quase duas décadas, atualmente existe uma discrepância em relação à quantidade de trabalhos publicados na literatura e os sistemas que, de fato, foram implementados e avaliados. Além disso, muitos protótipos vêm sendo discutidos, mas até o final da escrita desta tese, não foram encontradas evidências de que algum deles esteja disponível comercialmente. Essa limitação é conhecida pela comunidade científica da área por gap de aplicação. Em geral, isso ocorre devido à dificuldade dessas aplicações em superar alguns desafios, como a divergência entre os resultados obtidos automaticamente pelo sistema e aqueles esperados pelos médicos (gap semântico), entre outros gap. Outros fatores também podem ser relatados, como a tendência da não utilização de modelos de qualidade sistematizados para o desenvolvimento dos sistemas, e a carência de modelos que sejam específicos no domínio de aplicação. Com base nesses desafios e em boas práticas de métodos, técnicas e ferramentas da Engenharia de Software, esta tese apresenta um Modelo de Qualidade para melhorias de S-CBIR (MQ-SCBIR), que tem por objetivo apoiar o desenvolvimento e avaliação de S-CBIR, a partir de diretrizes para aumentar o nível de qualidade, buscando a superação do gap de aplicação. O MQ-SCBIR foi construído com base em: evidências adquiridas por meio de uma revisão sistemática e pesquisa empírica sobre como esses sistemas vêm sendo desenvolvidos e avaliados na literatura e na prática; resultados da avaliação de um S-CBIR baseados em testes heurísticos em um ambiente real; modelos bem estabelecidos, como o Capability Maturity Model Integration e Melhoria de Processo do Software Brasileiro; e em experiências pessoais. O uso do MQ-SCBIR pode trazer benefícios para as organizações desenvolvedoras, como a redução da complexidade no desenvolvimento, incluindo a garantia de implementação de boas práticas de qualidade de software e práticas específicas para a superação das limitações de S-CBIR durante o processo de desenvolvimento. / The development of technologies for storing, indexing and recovering clinical images is paramount to support the increasing use of these images in clinical diagnostic evaluation. Content-based image retrieval systems (CBIR-S) are some of the main computational technologies which offer physicians different applications to aid diagnostic processes. They allow similarity queries by extracting pictorial features from medical images. Even though research on S-CBIR started almost two decades ago, there are discrepancies regarding the amount of studies available in the literature and the number of systems which have actually been implemented and evaluated. Many prototypes have been discussed, but up to the moment this study was completed we found no evidence that any of those systems are either commercially available or being currently used in clinical practice. This limitation is known as application gap. In general, this happens due to the difficulty to overcome some obstacles, such as the differences between the results retrieved automatically by the system and those expected by the physicians (semantic gap). Other factors can also be described, such as the tendency towards not using systematic quality models to develop these systems and the lack of specific models for this domain of application. Based on these challenges and also on best practice methods, techniques and tools from software engineering, this work presents a quality model to improve S-CBIR systems (QM-CBIRS). It strives to tackle limitations during the development process by overcoming the semantic gap. The QM-CBIRS was built upon evidence gathered by means of a systematic review on the state-of-the-art and empiric research on the development and evaluation of these systems. Apart from that, results from the assessment of a CBIR-S based on empiric tests and on diagnostic tasks in radiology and well-established software quality models, such as CMMI and the Brazilian Software Improvement Process are presented. Apart from that, results from the assessment of a CBIR-S based on empiric tests and on diagnostic tasks in radiology and well-established software quality models, such as CMMI and the Brazilian Software Improvement Process are presented. The use of QM-CBIRS might be beneficial to development teams in many ways, for example, by increasing the quality of CBIR systems and reducing complexity, thus surpassing limitations from CBIR systems during the development process.

O presente trabalho trata-se do desenvolvimento de um programa para de análise de imagens de topografia corneana de sistemas comerciais, para ser implementado no topógrafo corneano para Lâmpada de Fenda, em desenvolvimento no Laboratório de Instrumentação Oftálmica - EESC/USP e no Laboratório de Física Oftálmica - FMRP/USP. O programa foi desenvolvido em C++, utilizando a plataforma Windows, e fornece mapas axiais de topografia corneana. O programa foi testado em esferas de calibração e em olhos humanos, apresentando um fator de correlação de 0,9998 para as medidas em esferas e um erro inerente estimado em 3%. Os mapas de topografias axiais em olhos humanos foram comparados com os mapas gerados por sistemas comerciais e o padrão visual de forma e relevo estão em concordância. / This work is about a software for the analisys of corneal topography images provided by commercial available systems to be implemented in a corneal topographer for slit lamps under evelopment at Laboratório de Instrumentação Oftálmica . EESC/USP e no Laboratório de Física Oftálmica . FRMP/USP. The software was developed in Borland C++ Builder for Windows and provides the corneal topography axial maps. The software has been tested in calibration spheres and in human eyes, presenting a correlation factor of 0,9998 for the measurements performed in the spheres and an inherent error of 3%. The axial topographic maps form the exams performe in human eyes have been compared to the axial maps provided by the commercial available system and the visual pattern as well as the relief are in accordance.