Spelling suggestions: "subject:"long nodules detection""
1 |
A Genetic Algorithm Approach to Feature Selection for Computer Aided Detection of Lung NodulesSprague, Matthew J. January 2016 (has links)
No description available.
|
2 |
DETECÇÃO DE NÓDULOS PULMONARES PEQUENOS USANDO MODELO DE MISTURA GAUSSIANA E MATRIZ HESSIANA / DETECTION OF SMALL LUNG NODULES USING MODEL OF GAUSSIAN MIXTURE AND THE HESSIAN MATRIXSantos, Alex Martins 19 August 2011 (has links)
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.
|
3 |
METODOLOGIA PARA DETECÇÃO AUTOMÁTICA DE NÓDULOS PULMONARES / METHODOLOGY FOR AUTOMATIC DETENTION OF PULMONARY NODULESSousa, João Rodrigo Ferreira da Silva 07 December 2007 (has links)
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.
|
Page generated in 0.1067 seconds