A tese propõem uma metodologia, em nível de pesquisa, por intermédio do desenvolvimento e da adaptação de ferramentas de apoio computadorizado, capaz de realizar a segmentação da imagem dos discos intervertebrais da região lombar da coluna vertebral humana, de maneira semiautomática reduzindo drasticamente o tempo gasto manualmente neste procedimento, sem perder sua acurácia e, ainda, garantindo maior reprodutibilidade em seus resultados. Foram utilizadas imagens sagitais de ressonância magnética ponderadas em T2 de 285 discos intervertebrais de 70 pacientes, classificados segundo o grau de severidade da degeneração discal definido pelo critério proposto por Pfirrmann. A classificação computacional dos discos foi realizada com base em atributos quantitativos extraídos dos histogramas de níveis de cinza e de informações de textura das imagens. O desempenho dos métodos computacionais de segmentação foi avaliado com base no Coeficiente de Jaccard, na distância de Hausdorff e no Erro Médio Quadrático. O desempenho dos métodos computacionais de classificação foi também avaliado com base em medidas similares à aplicação da sensibilidade, da especificidade e da área sob a curva ROC. A segmentação manual e a classificação por inspeção visual dos discos realizadas por três profissionais experientes foram utilizadas como padrão ouro para a comparação. Os principais resultados indicaram a médio de 63,22% para o Coeficiente de Jaccard, as médias de 0,044 das distâncias de Hausdoff e de 0,014 para o EMQ na comparação entre as imagens. Além disso, a segmentação semiautomatizada diferiu em uma taxa média de 30% em relação à segmentação manual e a classificação da degeneração discal, por redes neurais artificiais difere em menos de 2%, ao ser comparada ao procedimento de classificação manual realizado pelos especialistas. / The thesis proposes a methodology at the level of research through the development and adaptation of computerized support tools, able to perform the image segmentation of the intervertebral discs of the lumbar region of the human spine, semiautomatic way dramatically reducing time spent manually in this procedure, without losing its accuracy and also ensuring more reproducible in their results. Were used sagittal MRI T2- weighted of 285 intervertebral discs from 70 patients, classified according to the severity of disc degeneration defined by the criteria proposed by Pfirrmann. The computational classification of disks was based on quantitative attributes extracted from histograms of gray level images and the texture information. The performance of computational segmentation methods was evaluated based on Jaccard coefficient, Hausdorff distance and Mean Square Error. The performance of the computational classification methods was evaluated based on measures of sensitivity, specificity and the area under the ROC curve. The manual segmentation and visual inspection classification of the discs made by three experienced professionals were used as the gold standard for comparison. The main results showed an average Jaccard coefficient of 63.22%, the average Hausdoff of distances was 0.044 and 0.014 Mean Square Error average when comparing the images from both segmentation targets. Additionally, the targeting semiautomatic differed by an average of 30% compared with manual segmentation and classification of disc degeneration provided from an artificial neural networks differs by less than 2% when compared to manual sorting procedure performed by experts.

A tese propõem uma metodologia, em nível de pesquisa, por intermédio do desenvolvimento e da adaptação de ferramentas de apoio computadorizado, capaz de realizar a segmentação da imagem dos discos intervertebrais da região lombar da coluna vertebral humana, de maneira semiautomática reduzindo drasticamente o tempo gasto manualmente neste procedimento, sem perder sua acurácia e, ainda, garantindo maior reprodutibilidade em seus resultados. Foram utilizadas imagens sagitais de ressonância magnética ponderadas em T2 de 285 discos intervertebrais de 70 pacientes, classificados segundo o grau de severidade da degeneração discal definido pelo critério proposto por Pfirrmann. A classificação computacional dos discos foi realizada com base em atributos quantitativos extraídos dos histogramas de níveis de cinza e de informações de textura das imagens. O desempenho dos métodos computacionais de segmentação foi avaliado com base no Coeficiente de Jaccard, na distância de Hausdorff e no Erro Médio Quadrático. O desempenho dos métodos computacionais de classificação foi também avaliado com base em medidas similares à aplicação da sensibilidade, da especificidade e da área sob a curva ROC. A segmentação manual e a classificação por inspeção visual dos discos realizadas por três profissionais experientes foram utilizadas como padrão ouro para a comparação. Os principais resultados indicaram a médio de 63,22% para o Coeficiente de Jaccard, as médias de 0,044 das distâncias de Hausdoff e de 0,014 para o EMQ na comparação entre as imagens. Além disso, a segmentação semiautomatizada diferiu em uma taxa média de 30% em relação à segmentação manual e a classificação da degeneração discal, por redes neurais artificiais difere em menos de 2%, ao ser comparada ao procedimento de classificação manual realizado pelos especialistas. / The thesis proposes a methodology at the level of research through the development and adaptation of computerized support tools, able to perform the image segmentation of the intervertebral discs of the lumbar region of the human spine, semiautomatic way dramatically reducing time spent manually in this procedure, without losing its accuracy and also ensuring more reproducible in their results. Were used sagittal MRI T2- weighted of 285 intervertebral discs from 70 patients, classified according to the severity of disc degeneration defined by the criteria proposed by Pfirrmann. The computational classification of disks was based on quantitative attributes extracted from histograms of gray level images and the texture information. The performance of computational segmentation methods was evaluated based on Jaccard coefficient, Hausdorff distance and Mean Square Error. The performance of the computational classification methods was evaluated based on measures of sensitivity, specificity and the area under the ROC curve. The manual segmentation and visual inspection classification of the discs made by three experienced professionals were used as the gold standard for comparison. The main results showed an average Jaccard coefficient of 63.22%, the average Hausdoff of distances was 0.044 and 0.014 Mean Square Error average when comparing the images from both segmentation targets. Additionally, the targeting semiautomatic differed by an average of 30% compared with manual segmentation and classification of disc degeneration provided from an artificial neural networks differs by less than 2% when compared to manual sorting procedure performed by experts.