[pt] Gliomas estão entre os tumores cerebrais malignos mais comuns. Eles podem ser classificados entre gliomas de baixo e alto grau e sua identificação precoce é fundamental para o direcionamento do tratamento aplicado. Utilizando uma abordagem radiomics, o presente trabalho propõe o uso de índices de biodiversidade e de diversidade filogenética, definidos no campo da biologia, no problema de classificação de gliomas. O método proposto apresentou resultados promissores, com AUC-ROC (area under the ROC curve), acurácia, sensibilidade e especificidade de 0,951, 0,930, 0,967 e 0,827, respectivamente. / [en] Gliomas are among the most common malignant brain tumors. They can be classified into low-grade and high-grade gliomas and their early identification is crucial for treatment direction. Using a radiomics approach, the present work proposes the use of biodiversity and phylogenetic diversity biology indices to handle the glioma classification problem. The proposed method presented promising results, with AUC-ROC (area under the ROC curve), accuracy, sensitivity and specificity of 0,951, 0,930, 0,967 and 0,827, respectively.

[pt] Esta tese apresenta o desenvolvimento e os resultados deste projeto de doutorado, cujo objetivo, de caráter multidisciplinar, foi desenvolver uma metodologia e uma ferramenta para segmentação de redes vasculares a partir de imagens de tomografia computadorizada, utilizando procedimentos de segmentação automática de imagens e visualização tridimensional de dados. A metodologia sugerida segmenta a rede vascular iterativamente utilizando um único ponto de partida. A abordagem utiliza um modelo de amostragem cônico composto de várias camadas esféricas concêntricas ordenadas. Cada ponto amostrado é avaliado utilizando-se uma medida de vascularidade proposta nesta tese, que busca identificar pontos que pertencem a vasos. Um grafo dirigido é então construído com os pontos selecionados e analisado para que se encontre localmente cadeias de pontos conectados que compõem pedaços de ramos da rede vascular. Cada segmento da rede vascular gera uma nova semente a partir da qual uma nova amostragem é realizada e desta forma o procedimento iterativo se repete até que toda a estrutura vascular seja segmentada. A metodologia foi testada utilizando-se imagens sintéticas e reais. Dentre as imagens reais foram segmentadas estruturas vasculares coronárias, carótidas, hepáticas, pulmonares além de uma rede de fibras nervosas do sistema olfativo. Também foram extraídas as topologias das redes vasculares. A avaliação foi quando possível quantitativa, embora este tipo de dado muito raramente ofereça uma segmentação de referência, e nestes casos a avaliação foi qualitativa e visual. Os resultados obtidos confirmam o potencial do método e indicam direções para promover desenvolvimentos futuros. / [en] This thesis presents the development and results of this PhD project, which objective, multidisciplinary, was to develop a methodology and a tool for segmenting vascular networks from CT images, using automatic segmentation procedures and visualization of three-dimensional images data. The suggested methodology tracks a vascular network iteratively using a single starting point. The approach uses a conical sampling model composed of multiple concentric and ordered spherical layers. Each sampled point is evaluated using a measurement of vascularity proposed in this thesis, which seeks to identify points that belong to vessels. A directed graph is then built with the selected points and analyzed to find chains of connected points that make up pieces of branches of the vascular network. Each vascular segment found generates a new seed from which a new sampling is performed, and in this way the iterative procedure is repeated until the entire vascular structure is segmented. The methodology was tested using synthetic and real images. Among the real images several different vascular structures were segmented, such as coronary, carotid, hepatic, pulmonary and even a network of nerve fibers in the olfactory system. Vascular network topologies were also identified. The evaluation was quantitative where possible, although this type of data rarely provides a segmentation of reference, and apart from these cases the assessment was qualitative and visual. The results confirm the potential of the method and suggest directions for further developments.

[pt] Segundo relatórios da Organização Mundial da Saúde, as doenças cardiovasculares são a principal causa de óbitos em nível mundial. Podem, porém, ser controladas mediante diagnóstico e tratamento adequados. Nesse contexto, as ferramentas tecnológicas de auxílio ao diagnóstico são importantes para redução do número de óbitos causados por este tipo de doenças. Esta dissertação avalia aos métodos de otimização: Differential Evolution, Generalized Pattern Search, Mesh Adaptive Direct Search e Nelder-Mead Algorithm, aplicados na busca dos parâmetros que modelam a estrutura dos vasos sanguíneos a fim de melhorar os resultados e tempo de processamento da segmentação da árvore vascular em imagens médicas, conforme proposto em (Oliveira, 2013). Neste trabalho, são apresentados conceitos anatômicos e as características das imagens usadas neste estudo. São ainda descritos os métodos de otimização avaliados e a metodologia da segmentação da árvore vascular cujos parâmetros se deseja otimizar. Com essa base, se formula a metodologia de avaliação destes métodos através de uma análise quantitativa, que é produto da formulação de um teste de hipóteses da diferença entre a avaliação média em combinação pareada. Este teste avalia o desempenho dos métodos de otimização quando são aplicados em amostras aleatoriamente escolhidas em cada um dos exames de tomografia computadorizada que pertencem ao banco de dados composto por imagens: sintéticas, coronárias, hepáticas e de fibras nervosas do sistema olfativo. Conforme aos resultados do teste de hipótese, o método de otimização com o melhor desempenho, em acurácia e custo computacional, é escolhido e as conclusões deste trabalho são elaboradas assim como também as propostas de trabalhos futuros nesta mesma linha de pesquisa. / [en] According to the World Health Organization reports, cardiovascular diseases are the worldwide leading cause of death. However, they can be controlled using proper diagnosis tools and treatments. In this way, the diagnosis assisted technological tools are important to reduce the number of deaths caused by this type of diseases. This dissertation assess optimization methods (Differential Evolution, Generalized Pattern Search, Mesh Adaptive Direct Search, Nelder-Mead Algortihm) applied in the search of parameters that model blood vessels structures in order to improve the results and processing time of a vascular tree segmentation method in medical images, as proposed in (Oliveira, 2013). In this work, anatomical concepts and the characteristics of the images used in this study are presented. The optimization methods assessed and the methodology for the segmentation of the vascular tree, whose parameters are to be optimized, are described. Based on that, the procedure to assess different optimization methods is formulated through a quantitative analysis using a hypothesis test formulation of difference between paired means. This test evaluates the performance of the optimization methods using randomly chosen samples in a computerized tomography exams database composed by synthetic, coronary, hepatic and nervous fiber of the olfactory system images. According to the hypothesis test results, the optimization method with the best performance, both in accuracy and computational cost, is selected and the conclusions of this work are elaborated as well as the proposals for further research.

Made available in DSpace on 2014-12-17T15:47:58Z (GMT). No. of bitstreams: 1 ItaloMSR_DISSERT.pdf: 4133389 bytes, checksum: 575496a3d8aa350df8e3e86992d9b27b (MD5) Previous issue date: 2011-03-02 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The vascular segmentation is important in diagnosing vascular diseases like stroke and is hampered by noise in the image and very thin vessels that can pass unnoticed. One way to accomplish the segmentation is extracting the centerline of the vessel with height ridges, which uses the intensity as features for segmentation. This process can take from seconds to minutes, depending on the current technology employed. In order to accelerate the segmentation method proposed by Aylward [Aylward & Bullitt 2002] we have adapted it to run in parallel using CUDA architecture. The performance of the segmentation method running on GPU is compared to both the same method running on CPU and the original Aylward s method running also in CPU. The improvemente of the new method over the original one is twofold: the starting point for the segmentation process is not a single point in the blood vessel but a volume, thereby making it easier for the user to segment a region of interest, and; the overall gain method was 873 times faster running on GPU and 150 times more fast running on the CPU than the original CPU in Aylward / A segmenta??o vascular ? importante no diagn?stico de doen?as como o acidente vascular cerebral e ? dificultada por ru?dos na imagem e vasos muito finos que n?o s?o vistos. Uma maneira de realizar a segmenta??o ? extraindo a centerline do vaso com height ridges, que usa a intensidade como caracter?sticas para a segmenta??o. Este processo pode levar de segundos a minutos, dependendo da tecnologia atual empregada. O m?todo ? implementado em GPU, ou seja, ? executado de maneira paralela em placa gr?fica. O desempenho do m?todo de segmenta??o executado em GPU ? comparado com o mesmo m?todo em CPU e o m?todo original de Aylward em execu??o tamb?m na CPU. O melhoramento do novo m?todo sobre o original ? dupla. O ponto de partida para o processo de segmenta??o n?o ? um ?nico ponto no vaso sangu?neo, mas um volume, tornando assim mais f?cil para o usu?rio a sele??o de uma regi?o de interesse, e, o ganho do m?todo proposto foi 873 vezes mais r?pido sendo executado em GPU e 150 vezes mais r?pido sendo executado em CPU do que o original de Aylward em CPU

Made available in DSpace on 2016-03-15T19:37:58Z (GMT). No. of bitstreams: 1 RODRIGO FREITAS LIMA.pdf: 13768169 bytes, checksum: 153d5257eed9a0961aaeaac94e224f89 (MD5) Previous issue date: 2015-08-05 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Paranasal sinus are important objects of study to rhinosinusitis diagnostic, having some papers related incidence between asthma and allergic rhinitis.Many applications can calculate to various parts of the human body, getting a CT scan or MRI input, and returning information about the region of interest observed as volume and area. The accumulated mucus in the sinuses is one of the areas of interest that have not yet been implemented methods for the calculation of volume and area. In the present scenario, the patient monitoring is done visually, depending largely on perception of the evaluator. Therefore, we seek to implement more accurate metrics to facilitate medical care to the patient and it can help prevent the worsening of rhinitis in a given patient, developing mechanisms of visual and numerical comparison, where it is possible observe the progress of treatment. This work contains a detailed study of how certain existing techniques, combined into one methodology can segment and calculate the accumulated mucus in the maxillary sinus. In addition to techniques such as Thresholding, Gaussian filter, Mathematical Morphology, Metallic Artifacts Reduction during processing and segmentation, MUNC and DTA to calculate the volume and area, and visualization techniques as the Marching Cubes, it was also necessary some adjustments in the algorithm for limit the region of interest where the thresholding combined with the gaussian filter has not been effective of retaining edges. The application will use two open source platforms, one for processing, ITK, and another for visualization, VTK. The results demonstrated that it is possible to perform segmentation and the calculation with the use of platforms as well as the methodology used is adequate to solve this problem. / Os seios paranasais são importantes objetos de estudo para o diagnóstico de rinossinusites, tendo alguns estudos relacionado a incidência de asma na fase adulta a quadros de rinite alérgica na infância. Muitas aplicações atendem a diversas partes do corpo humano, obtendo de entrada uma tomografia computadorizada ou ressonância magnética, e devolvendo, muitas vezes, números que dizem respeito ao objeto de interesse observado, como volume e área. O muco acumulado nos seios paranasais é uma das regiões de interesse que ainda não tiveram métodos implementados para o cálculo do volume e área. No cenário atual, o acompanhamento do paciente é feito de forma visual, dependendo muito da percepção do avaliador. Portanto, busca-se a implementação de métricas mais precisas para facilitar o acompanhamento médico ao paciente e ajudar na prevenção do agravamento de um quadro de rinite em um determinado paciente, criando mecanismos de comparação visual e numérica, onde é possível observar a evolução do tratamento. Este trabalho contém um estudo detalhado de como determinadas técnicas existentes, combinadas em uma metodologia, podem segmentar e calcular o muco acumulado nos seios paranasais maxilares. Além de técnicas como a Binarizacão, Filtro Gaussiano, Morfologia Matemática, Redução de Ruídos Metálico durante o processamento e segmentação, MUNC e DTA para o cálculo do volume e área, e técnicas de visualização como o Marching Cubes, foram necessários também ajustes no algoritmo para limitar a área segmentada onde a binarizacão combinada ao filtro não foi capaz de manter as bordas da região de interesse. A aplicação fará uso de duas plataformas de código livre, sendo uma para o processamento, ITK, e outra para visualização de imagens, VTK. Os resultados demonstraram que é possível realizar a segmentação e o cálculo com o uso das plataformas, bem como a metodologia empregada é adequada a resolução deste problema.