The treatment plan for radiation therapy with protons is based on images from a computed tomography (CT) scanner. This is problematic since the photons in the x-ray beam from the CT scanner and the protons are affected differently by the tissue in the patient, which introduce an uncertainty in the track length of the protons. The hypothesis of this study is that a new generation of CT scanners (DECT), with the capacity to simultaneously scan the patient with two photon spectra of different mean energy, will improve the tissue characterisation and which in turn reduce the uncertainty in the track length of the protons. In this study, the accuracy and precision of a DECT-based method from the literature is compared to the conventional calibration method used today at the University clinics in Sweden to relate the attenuation of the photon beam to the slowing down of the protons. The methods are tested on CT images of a phantom, a plastic body containing tissue equivalent plastic inserts of known elemental composition. The results turned out to be inconclusive as there were large uncertainties in the measurements. The method has potential, as has been shown in the literature, but there are many questions that need to be answered before the method is ready to be implemented at the clinic. / En proton som färdas genom människokroppen deponerar endast en liten del av sin energi längs vägen innan den plötsligt deponerar allt i slutet på dess bana. Hur lång dess bana är beror på protonens ursprungliga energi och den atomära sammansättningen hos vävnaden den passerar igenom. Om sammansättningen är känd går det genom att justera den initiala energin bestämma banlängden. Denna egenskap gör protonen väldigt attraktiv för strålterpi, då det innbär möjligheten att behandla med hög precision samt bespara frisk vävnad onödig dos. Strålterapi med protoner planeras idag med bilder från en skiktröntgen (CT) som underlag. Ett problem med det är att röntgenstrålarna från CT-skannern påverkas annorlunda än protonerna av vävnaden, vilket introducerar en osäkerhet i protonernas banlängd. Hypotesen i denna studie är att en ny generation av CT-scanner (DECT), med möjlighet att simultant skanna patienten med två fotonspektran av olika medelenergi, på ett bättre sätt ska kunna bestämma den atomära sammansättningen för vävnaden och därmed reducera osäkerheten i protonernas banlängd. Noggrannhet och precision för en DECT-baserad metod från litteraturen jämförs med den SECT-baserade kalibreringsmetoden, som idag används på Universitetssjukhusen i Sverige för att relatera fotonstrålens dämpning i vävnaden till protonernas inbromsning. Metoderna testas på CT bilder av ett fantom, en plastkropp innehållandes olika cylindrar av vävnadsekvivalent plast med känd atomär sammansättning. Resultatet av den här studien är inte starkt nog för att bevisa hypotesen för studien. Det insamlade bildmaterialet innehåller höga brusnivåer jämfört med de som rapporteras i literaturen. Brusnivåer är så höga att det mesta av resultatet inte kan anses som statistiskt signifikant. Det är dessutom svårt att göra en direkt jämförelse av prestanda med befintlig teori för vävnadskaraktärisering, då bildmaterialet från de CT skanners som jämfördes är av olika typer. De resultat som publicerats i litteraturen visar att den DECT-baserade metoden har potential, men den här studien gör tydligt att det fortfarande finns frågor som måste besvaras innan metoden är redo att implementeras kliniskt.

A Tomografia de Impedância Elétrica (TIE) é uma técnica relativamente nova e que tem se mostrado bastante promissora na obtenção de imagens do interior de um corpo explorando as diferenças entre as propriedades elétricas (condutividade e permissividade) dos diferentes materiais que o constituem. A técnica se baseia na aplicação de um perfil de potencial elétrico ou de corrente elétrica no contorno da seção do corpo e na medição da resposta. A partir da relação entre os dados da excitação e da resposta, estima-se a distribuição de condutividade no interior do domínio, o que pode ser traduzido, computacionalmente, como uma imagem dessa seção. Apesar de promissora, a TIE ainda apresenta dificuldades, principalmente no que se refere à resolução da imagem e ao elevado tempo computacional necessário para sua reconstrução. A reconstrução de uma imagem na TIE é uma tarefa realizada em duas etapas: primeiro deve-se resolver o problema direto, que se resume na determinação dos potencias elétricos no interior do domínio e das respostas no contorno a partir dos dados da excitação; segundo, deve-se resolver o problema inverso, que é a determinação da condutividade dos pontos internos do domínio a partir da relação entre os dados de excitação e resposta no contorno. Dependendo do método utilizado para a resolução do problema inverso, deve-se resolver o problema direto iterativamente inúmeras vezes, onerando computacionalmente o processo. Esse trabalho se propõe a aplicar o Método dos Elementos de Contorno (MEC) como técnica de resolução numérica do problema direto. A vantagem é que o MEC requer apenas a discretização do contorno e não de todo o domínio, como ocorre com os outros métodos. Essa redução na dimensão do problema diminui consideravelmente o tamanho do sistema linear a ser resolvido a cada resolução do problema direto, o que pode reduzir satisfatoriamente o tempo computacional empregado na reconstrução de cada imagem. Para isso, foi implementado um programa em linguagem C que resolve o problema direto da TIE, especificamente para um domínio bidimensional, utilizando o MEC. O programa, a princípio, aceita formas genéricas de geometria do domínio e de condições de contorno. Foram realizados testes com domínios quadrado e circular e com diferentes tipos e valores para as condições de contorno. Os resultados obtidos foram comparados tanto com resultados analíticos como obtidos na literatura e foram bastante satisfatórios. / The Electrical Impedance Tomography (EIT) is a quite new technique and has proved to be promising in obtaining inner body images exploring the differences between electric qualities (conductivity and permissity) of different materials that constitute it. The technique is based on applying an electric potential profile or electric current on the boundary of the body section and by measuring the response. From the relation of data of excitement and response, the distribution of conductivity in the interior of the dominion is assessed, what may be translated, computationally, as an image of that section. Although being promising, the EIT still presents difficulties, especially regarding image definition and the long time taken to its reconstruction. A EIT image reconstruction is a task done in two phases: first, one must solve the direct problem which is basically the determination of electrical potentials in the interior of the dominion and the responses on the boundary from the excitation data; second, the inverse problem must be solved, which is the determination of conductivity of the inner points of the dominion from the relation between the excitation data and the response on the boundary. Depending on the method used to solve the inverse problem, the direct problem must be iterative solved countless times, burdening the process computationally. This work has the purpose of applying the Boundary Element Method (BEM) as numeric resolution technique of the direct problem. The advantage is that the BEM requires only the discretization of the boundary and not of the whole dominion, as it occurs with the other methods. This decrease in the problem dimension reduces the size of the linear system to be solved at each resolution of the direct problem, what may reduce satisfactory the computational time employed on the reconstruction of each image. For that, a C language program was implemented, which solves the direct problem of the EIT, particularly for a two dimensional dominion, using the BEM. The program, at first, accepts generic forms of the dominion geometry and of boundary conditions. Tests were performed with square and circular and with different types and values for the boundaries conditions. The obtained results were compared to analytic results as well as the ones obtained from literature and were quite satisfactory.

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.

A histopatologia é considerada um dos recursos diagnósticos mais importantes na prática médica e caracteriza-se pelo estudo das alterações estruturais e morfológicas das células e dos tecidos causadas por doenças. Atualmente, o principal método utilizado no diagnóstico histopatológico de imagens microscópicas, obtidas por meio de amostras em exames convencionais, é a avaliação visual do patologista, a qual se baseia na experiência do mesmo. O uso de técnicas de processamento computacional de imagens possibilita a identificação de elementos estruturais e a determinação de características inerentes, subsidiando o estudo da organização estrutural das células e de suas variações patológicas. A utilização de métodos computacionais no auxílio ao diagnóstico visa diminuir a subjetividade do processo de avaliação e classificação realizado pelo médico. Diferentes características dos tecidos podem ser mapeadas por meio de métricas específicas que poderão ser utilizadas em sistemas de reconhecimento de padrões. Dentro desta perspectiva, o objetivo geral deste trabalho inclui a proposta, a implementação e a avaliação de um método para a identificação e a análise de estruturas histológicas, a ser utilizado para a análise de lesões neoplásicas do colo do útero (NICs) a partir de amostras histopatológicas. Este trabalho foi desenvolvido em colaboração com uma equipe de patologistas, especialistas do domínio. As imagens microscópicas digitalizadas foram adquiridas a partir de lâminas previamente fixadas, contendo amostras de biópsias. Para segmentação dos núcleos celulares, foi implementado um pipeline de operadores morfológicos. Métodos de segmentação baseados em cor também foram testados e comparados à abordagem morfológica. Foi proposta e implementada uma abordagem baseada em camadas para representação do tecido, adotando-se a Triangulação de Delaunay (TD) como modelo de grafo de vizinhança. A TD apresenta algumas propriedades particulares que permitem a extração de métricas específicas. Foram utilizados algoritmos de agrupamento e morfologia de grafos, adotando-se critérios de semelhança e relações de adjacência entre os triângulos da rede, a fim de se obter a fronteira entre as camadas histológicas do tecido epitelial de forma automática. As seguintes métricas foram extraídas dos agrupamentos resultantes: grau médio, entropia e taxa de ocupação dos triângulos da rede. Finalmente, foi projetado um classificador estatístico levando-se em consideração os diferentes agrupamentos que poderiam ser obtidos a partir das imagens de treinamento. Valores de acurácia, sensitividade e especificidade foram utilizadas para avaliação dos resultados obtidos. Foi implementada validação cruzada em todos os experimentos realizados e foi utilizado um total de 116 imagens. Primeiro, foi avaliado a acurácia da metodologia proposta na determinação correta da presença de anomalia no tecido, para isto, todas as imagens que apresentavam NICs foram agrupadas em uma mesma classe. A maior taxa de acurácia obtida neste experimento foi de 88%. Em uma segunda etapa, foram realizadas avaliações entre as seguintes classes: Normal e NIC-I; NIC-I e NIC-II, e, NIC-II e NIC-III, obtendo-se taxas de acurácia máximas de 73%, 77% e 86%, respectivamente. Além disso, foi verificada também, a acurácia na discriminação entre os três tipos de NICs e regiões normais, obtendo-se acurácia de 64%. As taxas de ocupação relativas aos agrupamentos representativos das camadas basais e superficiais, foram os atributos que levaram às maiores taxas de acurácia. Os resultados obtidos permitem verificar a adequação do método proposto na representação e análise do processo de evolução das NICs no tecido epitelial do colo uterino. / Histopathology is considered one of the most important diagnostic tools in medical routine and is characterized by the study of structural and morphological changes of the cells in biological tissues caused by diseases. Currently, the visual assessment of the pathologist is the main method used in the histopathological diagnosis of microscopic images obtained from biopsy samples. This diagnosis is usually based on the experience of the pathologist. The use of computational techniques in the processing of these images allows the identification of structural elements and the determination of inherent characteristics, supporting the study of the structural organization of tissues and their pathological changes. Also, the use of computational methods to improve diagnosis aims to reduce the subjectivity of the evaluation made by the physician. Besides, different tissue characteristics can be mapped through specific metrics that can be used in pattern recognition systems. Within this perspective, the overall objective of this work includes the proposal, the implementation and the evaluation of a methodology for the identification and analysis of histological structures. This methodology includes the specification of a method for the analysis of cervical intraepithelial neoplasias (CINs) from histopathological samples. This work was developed in collaboration with a team of pathologists. Microscopic images were acquired from blades previously stained, containing samples of biopsy examinations. For the segmentation of cell nuclei, a pipeline of morphological operators were implemented. Segmentation techniques based on color were also tested and compared to the morphological approach. For the representation of the tissue architecture an approach based on the tissue layers was proposed and implemented adopting the Delaunay Triangulation (DT) as neighborhood graph. The DT has some special properties that allow the extraction of specific metrics. Clustering algorithms and graph morphology were used in order to automatically obtain the boundary between the histological layers of the epithelial tissue. For this purpose, similarity criteria and adjacency relations between the triangles of the network were explored. The following metrics were extracted from the resulting clusters: mean degree, entropy and the occupation rate of the clusters. Finally, a statistical classifier was designed taking into account the different combinations of clusters that could be obtained from the training process. Values of accuracy, sensitivity and specificity were used to evaluate the results. All the experiments were taken in a cross-validation process (5-fold) and a total of 116 images were used. First, it was evaluated the accuracy in determining the correct presence of abnormalities in the tissue. For this, all images presenting CINs were grouped in the same class. The highest accuracy rate obtained for this evaluation was 88%. In a second step, the discrimination between the following classes were analyzed: Normal/CIN 1; CIN 1/CIN 2, and, CIN 2/CIN 3, which represents the histological grading of the CINs. In a similar way, the highest accuracy rates obtained were 73%, 77% and 86%, respectively. In addition, it was also calculated the accuracy rate in discriminating between the four classes analyzed in this work: the three types of CINs and the normal region. In this last case, it was obtained a rate of 64%.The occupation rate for the basal and superficial layers were the attributes that led to the highest accuracy rates. The results obtained shows the adequacy of the proposed method in the representation and classification of the CINs evolution in the cervical epithelial tissue.

Nos tempos atuais, as imagens médicas são fonte de dados fundamentais na medicina moderna. As imagens armazenadas em uma base de dados de acordo com as respectivas categorias são um importante passo para aplicações como mineração de dados e recuperação de imagens por conteúdo. Estas aplicações podem apoiar médicos e estudantes na decisão de diagnóstico, permitir pesquisas e ser usadas como material didático. O trabalho propõe o uso de Mapas Auto-Organizáveis (SOM) e TransformadaWavelet combinada com momentos de Hu para a categorização de imagens médicas. Para tanto, são realizados experimentos para definição do tamanho do mapa SOM, uso do mesmo na categorização, definição da melhor família wavelet e nível de decomposição, sumarização dos coeficientes wavelets descartados por momento de Hu e experimentos comparativos com outras abordagens de categorização. Além dos experimentos de classificação comparativos em termos de taxa de acerto, é apresentada uma proposta de contribuição para uso do Mapa SOM na classificação. Nesta proposta, os resultados de classificação e o tempo de recurso computacional despendido pelo Mapa SOM mostram-se eficientes, quando comparados aos resultados e tempo apresentados pelo tradicional classificador K vizinhos mais próximos. / Nowadays, images are fundamental data source in modern medicine. The images stored in a database according with categories are an important step for data mining and contentbased image retrieval. They can support doctors and students in diagnostic decisions and provide research and didactic material. This work addresses the use of Self-Organizing Map (SOM) and discrete wavelet transform joint with Hus moments to medical image categorization. Furthermore, extensive experiments to define map size were done, employing the map in categorization, the best wavelet family and level of decomposition were defined, the coefficient discarded was summarized by Hus moments and contrastive studies with another successfull approach of categorization were done. Moreover, an approach to use SOM map in categorization is addressed, in which the SOM map for classification carried on better performance and computational time than traditional K nearest neighbor algorithm.

Nos tempos atuais, as imagens médicas são fonte de dados fundamentais na medicina moderna. As imagens armazenadas em uma base de dados de acordo com as respectivas categorias são um importante passo para aplicações como mineração de dados e recuperação de imagens por conteúdo. Estas aplicações podem apoiar médicos e estudantes na decisão de diagnóstico, permitir pesquisas e ser usadas como material didático. O trabalho propõe o uso de Mapas Auto-Organizáveis (SOM) e TransformadaWavelet combinada com momentos de Hu para a categorização de imagens médicas. Para tanto, são realizados experimentos para definição do tamanho do mapa SOM, uso do mesmo na categorização, definição da melhor família wavelet e nível de decomposição, sumarização dos coeficientes wavelets descartados por momento de Hu e experimentos comparativos com outras abordagens de categorização. Além dos experimentos de classificação comparativos em termos de taxa de acerto, é apresentada uma proposta de contribuição para uso do Mapa SOM na classificação. Nesta proposta, os resultados de classificação e o tempo de recurso computacional despendido pelo Mapa SOM mostram-se eficientes, quando comparados aos resultados e tempo apresentados pelo tradicional classificador K vizinhos mais próximos. / Nowadays, images are fundamental data source in modern medicine. The images stored in a database according with categories are an important step for data mining and contentbased image retrieval. They can support doctors and students in diagnostic decisions and provide research and didactic material. This work addresses the use of Self-Organizing Map (SOM) and discrete wavelet transform joint with Hus moments to medical image categorization. Furthermore, extensive experiments to define map size were done, employing the map in categorization, the best wavelet family and level of decomposition were defined, the coefficient discarded was summarized by Hus moments and contrastive studies with another successfull approach of categorization were done. Moreover, an approach to use SOM map in categorization is addressed, in which the SOM map for classification carried on better performance and computational time than traditional K nearest neighbor algorithm.

A histopatologia é considerada um dos recursos diagnósticos mais importantes na prática médica e caracteriza-se pelo estudo das alterações estruturais e morfológicas das células e dos tecidos causadas por doenças. Atualmente, o principal método utilizado no diagnóstico histopatológico de imagens microscópicas, obtidas por meio de amostras em exames convencionais, é a avaliação visual do patologista, a qual se baseia na experiência do mesmo. O uso de técnicas de processamento computacional de imagens possibilita a identificação de elementos estruturais e a determinação de características inerentes, subsidiando o estudo da organização estrutural das células e de suas variações patológicas. A utilização de métodos computacionais no auxílio ao diagnóstico visa diminuir a subjetividade do processo de avaliação e classificação realizado pelo médico. Diferentes características dos tecidos podem ser mapeadas por meio de métricas específicas que poderão ser utilizadas em sistemas de reconhecimento de padrões. Dentro desta perspectiva, o objetivo geral deste trabalho inclui a proposta, a implementação e a avaliação de um método para a identificação e a análise de estruturas histológicas, a ser utilizado para a análise de lesões neoplásicas do colo do útero (NICs) a partir de amostras histopatológicas. Este trabalho foi desenvolvido em colaboração com uma equipe de patologistas, especialistas do domínio. As imagens microscópicas digitalizadas foram adquiridas a partir de lâminas previamente fixadas, contendo amostras de biópsias. Para segmentação dos núcleos celulares, foi implementado um pipeline de operadores morfológicos. Métodos de segmentação baseados em cor também foram testados e comparados à abordagem morfológica. Foi proposta e implementada uma abordagem baseada em camadas para representação do tecido, adotando-se a Triangulação de Delaunay (TD) como modelo de grafo de vizinhança. A TD apresenta algumas propriedades particulares que permitem a extração de métricas específicas. Foram utilizados algoritmos de agrupamento e morfologia de grafos, adotando-se critérios de semelhança e relações de adjacência entre os triângulos da rede, a fim de se obter a fronteira entre as camadas histológicas do tecido epitelial de forma automática. As seguintes métricas foram extraídas dos agrupamentos resultantes: grau médio, entropia e taxa de ocupação dos triângulos da rede. Finalmente, foi projetado um classificador estatístico levando-se em consideração os diferentes agrupamentos que poderiam ser obtidos a partir das imagens de treinamento. Valores de acurácia, sensitividade e especificidade foram utilizadas para avaliação dos resultados obtidos. Foi implementada validação cruzada em todos os experimentos realizados e foi utilizado um total de 116 imagens. Primeiro, foi avaliado a acurácia da metodologia proposta na determinação correta da presença de anomalia no tecido, para isto, todas as imagens que apresentavam NICs foram agrupadas em uma mesma classe. A maior taxa de acurácia obtida neste experimento foi de 88%. Em uma segunda etapa, foram realizadas avaliações entre as seguintes classes: Normal e NIC-I; NIC-I e NIC-II, e, NIC-II e NIC-III, obtendo-se taxas de acurácia máximas de 73%, 77% e 86%, respectivamente. Além disso, foi verificada também, a acurácia na discriminação entre os três tipos de NICs e regiões normais, obtendo-se acurácia de 64%. As taxas de ocupação relativas aos agrupamentos representativos das camadas basais e superficiais, foram os atributos que levaram às maiores taxas de acurácia. Os resultados obtidos permitem verificar a adequação do método proposto na representação e análise do processo de evolução das NICs no tecido epitelial do colo uterino. / Histopathology is considered one of the most important diagnostic tools in medical routine and is characterized by the study of structural and morphological changes of the cells in biological tissues caused by diseases. Currently, the visual assessment of the pathologist is the main method used in the histopathological diagnosis of microscopic images obtained from biopsy samples. This diagnosis is usually based on the experience of the pathologist. The use of computational techniques in the processing of these images allows the identification of structural elements and the determination of inherent characteristics, supporting the study of the structural organization of tissues and their pathological changes. Also, the use of computational methods to improve diagnosis aims to reduce the subjectivity of the evaluation made by the physician. Besides, different tissue characteristics can be mapped through specific metrics that can be used in pattern recognition systems. Within this perspective, the overall objective of this work includes the proposal, the implementation and the evaluation of a methodology for the identification and analysis of histological structures. This methodology includes the specification of a method for the analysis of cervical intraepithelial neoplasias (CINs) from histopathological samples. This work was developed in collaboration with a team of pathologists. Microscopic images were acquired from blades previously stained, containing samples of biopsy examinations. For the segmentation of cell nuclei, a pipeline of morphological operators were implemented. Segmentation techniques based on color were also tested and compared to the morphological approach. For the representation of the tissue architecture an approach based on the tissue layers was proposed and implemented adopting the Delaunay Triangulation (DT) as neighborhood graph. The DT has some special properties that allow the extraction of specific metrics. Clustering algorithms and graph morphology were used in order to automatically obtain the boundary between the histological layers of the epithelial tissue. For this purpose, similarity criteria and adjacency relations between the triangles of the network were explored. The following metrics were extracted from the resulting clusters: mean degree, entropy and the occupation rate of the clusters. Finally, a statistical classifier was designed taking into account the different combinations of clusters that could be obtained from the training process. Values of accuracy, sensitivity and specificity were used to evaluate the results. All the experiments were taken in a cross-validation process (5-fold) and a total of 116 images were used. First, it was evaluated the accuracy in determining the correct presence of abnormalities in the tissue. For this, all images presenting CINs were grouped in the same class. The highest accuracy rate obtained for this evaluation was 88%. In a second step, the discrimination between the following classes were analyzed: Normal/CIN 1; CIN 1/CIN 2, and, CIN 2/CIN 3, which represents the histological grading of the CINs. In a similar way, the highest accuracy rates obtained were 73%, 77% and 86%, respectively. In addition, it was also calculated the accuracy rate in discriminating between the four classes analyzed in this work: the three types of CINs and the normal region. In this last case, it was obtained a rate of 64%.The occupation rate for the basal and superficial layers were the attributes that led to the highest accuracy rates. The results obtained shows the adequacy of the proposed method in the representation and classification of the CINs evolution in the cervical epithelial tissue.

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 2017-06-26T19:30:57Z 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 Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-09-04T18:08:18Z No. of bitstreams: 1 LuisClaudioSilva.pdf: 4393489 bytes, checksum: 5c3cb715bd7992ba1cc5380c1a940f32 (MD5) / Made available in DSpace on 2017-09-04T18:08:18Z (GMT). No. of bitstreams: 1 LuisClaudioSilva.pdf: 4393489 bytes, checksum: 5c3cb715bd7992ba1cc5380c1a940f32 (MD5) Previous issue date: 2017-07-27 / Breast cancer is the second type of cancer that most a ects women in the world, losing only for non melanoma skin cancer. Breast density can hinder the location of masses, especially in early stages. In this work, the use of independent component analysis for detecting and segmentation lesions in dense breasts is proposed. Several works suggests the use of computer aided diagnosis, increasing sensitivity to over 90% in detecting cancer in non dense breasts, however there are few published studies about detecting in dense breasts. To analyse its e ciency in relation to other segmentation techniques, we compare the performance with principal component analysis. To measure the quality of the segmentation obtained by the two methods, a area overlay measure will be used. To verify if there was any di erence between the results of the proposed methods in the detection of lesions in nondense breasts and in dense breasts, a statistic test for two proportions was used. Experimental results on the Mini-MIAS and DDSM database showed an accuracy of 92.71% in detecting masses in nondense and 79.17% in dense breasts. All experiments showed that the ICA lters have a better performance for detect lesions in dense breast, compared with PCA. Contrary to previous works, our experiments showed that there is actually a signi cant di erence between the detection of masses in dense and nondense breasts. This study can help specialist to detect lesions in dense breast. / O câncer de mama é o segundo tipo de câncer que mais afeta mulheres no mundo, perdendo apenas para o câncer de pele não melanoma. A densidade da mama pode di cultar a localização de massas, especialmente em estágios iniciais. Neste trabalho, propõe-se o uso de análise de componentes independentes para detectar e segmentar lesões em mamas densas. Vários trabalhos sugerem o uso do diagnóstico auxiliado por computador, aumentando a sensibilidade para acima de 90% na detecção de câncer em mamas não densas, no entanto, existem poucos estudos publicados sobre a detecção em mamas densas. Para analisar a e ciência do método proposto em relação a outras técnicas de segmentação, comparamos o desempenho com a análise de componentes principais. Para medir a qualidade da segmentação obtida pelos dois métodos, será utilizada uma medida de sobreposição de área. Para veri car se houve diferença entre os resultados dos métodos propostos na detecção de lesões em mamas não densas e nas mamas densas, foi utilizado um teste estatístico para duas proporções. Os resultados experimentais usando os bancos de dados Mini-MIAS e DDSM mostraram uma acurácia de 92,71% na detecção de massas em mamas não densas e 79,17% em mamas densas. Todas as experiências mostraram que os ltros de ICA usados têm um melhor desempenho para detectar lesões em mamas densas, em comparação com PCA. Contrariamente aos trabalhos anteriores, nossos experimentos mostraram que existe realmente uma diferença signi cativa entre a detecção de massas em mamas densas e não densas. Este estudo pode ajudar o especialista a detectar lesões em mamas densas