Submitted by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-10T13:20:52Z No. of bitstreams: 2 Dissertaçao Cleunio de França Filho.pdf: 2349406 bytes, checksum: cf1717c01456559aa0c20fad4c2022a8 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-10T13:20:52Z (GMT). No. of bitstreams: 2 Dissertaçao Cleunio de França Filho.pdf: 2349406 bytes, checksum: cf1717c01456559aa0c20fad4c2022a8 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-08-21 / A segmentação de imagens é uma tarefa de fundamental importância para o desenvolvimento de soluções baseadas em diagnóstico assistido por computador, com diversas aplicações na análise de imagens médicas. Mais especificamente, estudos que envolvem o processamento de imagens de pulmão têm crescido rapidamente motivados pelo interesse na redução da elevada mortalidade provocada pelas doenças malignas deste órgão. Para aperfeiçoar o desempenho nestas aplicações é importante por um lado realizar medições e mapear adequadamente as caracterizações dos pulmões e de suas anomalias, além de desenvolver técnicas automáticas de processamento das imagens que consigam lidar com restrições de tempo e que eliminem o esforço de radiologistas na segmentação manual das imagens. Diversas abordagens são utilizadas para a segmentação pulmonar, cada uma com vantagens e também deficiências. Este trabalho, em particular, apresenta um algoritmo voltado para a segmentação automática de imagens do pulmão baseado na combinação de técnicas de processamento de imagens coletadas de Tomografia Computadorizada por raio-x com propriedades matemáticas extraídas das imagens de pulmão, as quais servem de base para a estrutura do algoritmo. O trabalho investiga duas técnicas típicas para segmentação de imagens e, a partir da observação do comportamento e desempenho apresentado, é desenvolvido um novo método para a segmentação pulmonar que procura minimizar as deficiências encontradas nos algoritmos investigados. Os experimentos realizados avaliam o desempenho do novo algoritmo, bem como os valores das propriedades matemáticas e dos parâmetros estruturais utilizados ao longo do desenvolvimento do algoritmo, e comparam os resultados dos métodos em relação à sensibilidade, especificidade, acurácia, precisão, f-escore, coeficiente Dice, tempo de processamento e área-perímetro-solidez da região pulmonar segmentada, com o padrão referencial segmentado por um especialista. Os métodos são testados com 1173 imagens reais coletadas de 22 pacientes de um grande hospital e os resultados demonstraram que a combinação de técnicas de processamento de imagens tradicionais com propriedades matemáticas apresenta um desempenho satisfatório para a segmentação pulmonar.