No description available.

Made available in DSpace on 2016-08-17T14:53:18Z (GMT). No. of bitstreams: 1 dissertacao Alex Martins Santos.pdf: 5806595 bytes, checksum: 431584590b26aa21a56d684cd9c7f282 (MD5) Previous issue date: 2011-08-19 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Lung cancer stands out by pointing the highest incidence and higher mortality rate of all other types of cancer. It has one of the lower survival rates of after diagnosis, which is mainly due to late detection and therefore delayed treatment. Computer-aided detection systems (CAD) are developed to assist the specialist in the search and identification of nodules and changes in CT. These systems respectively aim to automate the identification and classification of these structures. This work aims to study and develop a methodology for automatic detection of small lung nodules (bigger than 2 mm and smaller than 10 mm in diameter). The proposed methodology is based on techniques of image processing and pattern recognition. Similar applications use widely some of these techniques. The proposed methodology also uses other techniques from different areas and applications, such as measures of the Tsallis and Shannon entropy used in this study to describe suspected structures. These measures are respectively provided from statistical mechanics and information theory, however lately they have been successfully applied in image processing. It was also used the Gaussian mixture model (GMM) and the Hessian matrix calculation to separate the internal structures of the remaining lung parenchyma. Promising results were found in tests with 140 exams divided in of 80% for training and 20% for testing. It was achieved a 79% of sensitivity rate and a total of 1.17 false positives per slice. / Dentre os outros tipos de câncer, o câncer de pulmão se destaca por apresentar a maior incidência e a maior taxa de mortalidade de todos, além de uma das menores taxas de sobrevida após o diagnóstico (cinco anos em média), fato este decorrido principalmente pela detecção e, conseqüentemente, tratamento tardio. Para auxiliar o especialista na busca e identificação de nódulos e alterações em imagens tomográficas são desenvolvidos sistemas de detecção auxiliados por computador (CAD) que visam automatizar os trabalhos de identificação e classificação de dessas estruturas. O presente trabalho tem por objetivo o estudo e desenvolvimento de uma metodologia para detecção automática de nódulos pulmonares pequenos (maiores que dois milímetros e menores que 10 milímetros de diâmetro). A metodologia proposta se baseia em técnicas de processamento de imagens e reconhecimento de padrões. Algumas dessas técnicas são amplamente utilizadas em aplicações similares, já outras técnicas utilizadas provêm de outras áreas e aplicações, como é o caso das medidas de entropia de Tsallis e Shannon, utilizados neste trabalho para descrever estruturas suspeitas. Estas medidas provém respectivamente da mecânica estatística e da Teoria da Informação, porém ultimamente tem sido aplicadas com sucesso no processamento de imagens. Também foi empregado o Modelo de Misturas Gaussianas (GMM) e o cálculo da matriz Hessiana para separar as estruturas internas do pulmão do restante do parênquima. Resultados promissores foram encontrados, em teste com 140 exames divididos em 80% para treino e 20% para testes, alcançou-se uma sensibilidade de 79% e um total de 1,17 falsos positivos por fatia.

Made available in DSpace on 2016-08-17T14:53:29Z (GMT). No. of bitstreams: 1 Joao Rodrigo Ferreira.pdf: 1547613 bytes, checksum: a9c7e73154b7e9a72733f9f2e20a55fe (MD5) Previous issue date: 2007-12-07 / The lung cancer is a disorder with significant prevalence in several countries worldwide. The hard treatment and the fast progress of the disease increase the mortality rates. The main factor contributing to a successful treatment is an early diagnosis. However possible omissions in the scan analysis can lead to late diagnosis, compromising all the treatment. In order to present a computational tool aimed at nodules detection, that can be used as a second opinion to the specialist, this master thesis proposes a methodology for nodules detection that is totally automatic, robust and consistent. The methodology is based on successive refinements for the segmentation of computed tomography images using morphologic techniques to obtain nodule candidates. The false positive reduction is achieved by SVM based on geometric and texture features. The tests, performed with real scans, indicate the feasibility of the proposed method. In automatic detection performed on 33 cases the methodology reached 95.21% of correctness with 0.42 false positives and 0.15 false negative per scan. / O câncer de pulmão é uma enfermidade com prevalência significativa em diversos países no mundo todo. O difícil tratamento e a progressão rápida da doença fazem com que os índices de mortalidade das pessoas acometidas por este mal sejam muito altos. O principal fator contribuinte para um tratamento de sucesso, entretanto, é o diagnóstico precoce. Contudo possíveis omissões na análise dos exames podem levar a um diagnóstico tardio, comprometendo todo o tratamento. Com o intuito de oferecer uma alternativa computacional de auxílio à detecção de nódulos, servindo como uma segunda opinião para o médico, este trabalho propõe uma metodologia totalmente automática, robusta e consistente. A metodologia é fundamentada em refinamentos sucessivos da segmentação sobre imagens de tomografia computadorizada utilizando técnicas morfológicas para a obtenção de candidatos a nódulo. A redução de falsos positivos é efetivada pelo SVM com base em características geométricas e de textura. Os testes realizados com exames reais indicam a viabilidade da solução proposta. Na detecção automática realizada sobre 33 casos a metodologia atingiu 95,21% de acerto com uma média de 0,42 falsos positivos e 0,15 falsos negativos por exame.