O problema de segmentação de sequências tem o objetivo de particionar uma sequência ou um conjunto delas em um número finito de segmentos distintos tão homogêneos quanto possível. Neste trabalho consideramos o problema de segmentação de um conjunto de sequências aleatórias, com valores em um alfabeto $\\mathcal$ finito, em um número finito de blocos independentes. Supomos ainda que temos $m$ sequências independentes de tamanho $n$, construídas pela concatenação de $s$ segmentos de comprimento $l^{*}_j$, sendo que cada bloco é obtido a partir da distribuição $\\p _j$ em $\\mathcal^{l^{*}_j}, \\; j=1,\\cdots, s$. Além disso denotamos os verdadeiros pontos de corte pelo vetor ${{\\bf k}}^{*}=(k^{*}_1,\\cdots,k^{*}_)$, com $k^{*}_i=\\sum _{j=1}^l^{*}_j$, $i=1,\\cdots, s-1$, esses pontos representam a mudança de segmento. Propomos usar o critério da máxima verossimilhança penalizada para inferir simultaneamente o número de pontos de corte e a posição de cada um desses pontos. Também apresentamos um algoritmo para segmentação de sequências e realizamos algumas simulações para mostrar seu funcionamento e sua velocidade de convergência. Nosso principal resultado é a demonstração da consistência forte do estimador dos pontos de corte quando o $m$ tende ao infinito. / The sequence segmentation problem aims to partition a sequence or a set of sequences into a finite number of segments as homogeneous as possible. In this work we consider the problem of segmenting a set of random sequences with values in a finite alphabet $\\mathcal$ into a finite number of independent blocks. We suppose also that we have $m$ independent sequences of length $n$, constructed by the concatenation of $s$ segments of length $l^{*}_j$ and each block is obtained from the distribution $\\p _j$ over $\\mathcal^{l^{*}_j}, \\; j=1,\\cdots, s$. Besides we denote the real cut points by the vector ${{\\bf k}}^{*}=(k^{*}_1,\\cdots,k^{*}_)$, with $k^{*}_i=\\sum _{j=1}^l^{*}_j$, $i=1,\\cdots, s-1$, these points represent the change of segment. We propose to use a penalized maximum likelihood criterion to infer simultaneously the number of cut points and the position of each one those points. We also present a algorithm to sequence segmentation and we present some simulations to show how it works and its convergence speed. Our principal result is the proof of strong consistency of this estimators when $m$ grows to infinity.

A segmentação de pele em imagens é um importante processo para uma vasta gama de aplicações, como detecção e rastreamento de faces, reconhecimento de gestos, computação forense, entre outros. Um dos maiores problemas encontrados neste tipo de aplicação é a presença de objetos que possuem cor de pele nas imagens, mas não fazem parte de segmentos reais de pele, sendo muitas vezes erroneamente classificados como pele. A fim de reduzir a frequência destes falsos positivos, é apresentado neste trabalho um método de segmentação de pele humana em imagens faciais que possui duas diferentes etapas que reduzem a quantidade de falsos positivos do processo sem que se percam quantidades significantes de verdadeiros positivos. Estas duas etapas são chamadas de FPAR (False Positive Area Reduction) e aplicação de textura. A primeira visa remover segmentos não contínuos classificados como pele e a segunda aborda a aplicação de textura nas imagens, removendo áreas em que a textura não se assemelha à textura de pele humana. Para isto, foi desenvolvido o banco de imagens SFA (Skin of FERET and AR), constituído de imagens originais dos bancos de faces FERET e AR, seus respectivos ground truths de segmentação de pele e amostras de pele e não pele extraídas das imagens originais. O método apresentado neste trabalho apresenta resultados promissores atingindo até 46,9% de redução de falsos positivos sem que a acurácia aferida tenha redução significante (apenas 1,8%). Este trabalho tem como contribuições o método desenvolvido e o banco de imagens SFA que fica disponível online para download pela comunidade científica. / Skin segmentation is an important process for many kinds of application like face detection, face tracking, gesture recognition, forensic computing and others. One of the main problems found in this kind of application is the presence of objects which have skin color but are not part of actual skin segments, being wrongly classified as skin. Aiming to reduce the frequency of these false positives, this work presents a method of human skin segmentation in facial images which has two different steps that reduces the false positives without losing significant areas of true positives. These two steps are called FPAR (False Positive Area Reduction) and texture application. The first one removes segments classified as skin which are not continuous and the second one is an analysis of the image texture, removing areas which the texture is not alike human skin texture. To achieve this, the SFA (Skin of FERET and AR) image database was developed, constituted of original images retrieved from AR and FERET face databases, their respective ground truths of skin segmentation and skin and non-skin samples retrieved from the original images. The method presented in this work shows promising results, reaching up to 46.9% of false positive reduction without significant reduction of the accuracy (1.8%). This work has as contributions the developed method and the SFA database, which is available for download for scientific community.

A Ecocardiografia continua sendo a técnica de captura de imagens mais promissora, não-invasiva, sem radiação ionizante e de baixo custo para avaliação de condições cardíacas. Porém, é afetada consideravelmente por ruídos do tipo speckle, que são difíceis de serem filtrados. Por isso fez-se necessário fazer a escolha certa entre filtragem e segmentador para a obtenção de resultados melhores na segmentação de estruturas. O objetivo dessa pesquisa foi estudar essa combinação entre filtro e segmentador. Para isso, foi desenvolvido um sistema segmentador, a fim de sistematizar essa avaliação. Foram implementados dois filtros para atenuar o efeito do ruído speckle - Linear Scaling Mean Variance (LSMV) e o filtro de Chitwong - testados em imagens simuladas. Foram simuladas 60 imagens com 300 por 300 pixels, 3 modelos, 4 espessuras e 5 níveis de contrastes diferentes, todas com ruído speckle. Além disso, foram feitos testes com a combinação de filtros. Logo após, foi implementado um algoritmo de conectividade Fuzzy para fazer a segmentação e um sistema avaliador, seguindo os critérios descritos por Loizou, que faz a contagem de verdadeiro-positivos (VP) e falso-positivos (FP). Foi verificado que o filtro LSMV é a melhor opção para segmentação por conectividade Fuzzy. Foram obtidas taxas de VP e FP na ordem de 95% e 5%, respectivamente, e acurácia em torno de 95%. Para imagens ruidosas com alto contraste, aplicando a segmentação sem filtragem, a acurácia obtida foi na ordem de 60%. / The echocardiography is the imaging technique that remains most promising, noninvasive, no ionizing radiation and inexpensive to assess heart conditions. On the other hand, is considerably affected by noises, such as speckle, that are very difficult to be filtered. That is why it is necessary to make the right choice of filter and segmentation method to obtain the best results on image segmentation. The goal was evaluate this filter and segmentation method combination. For that, it was developed a segmentation system, to help the assessment. Two filters were implemented to mitigate the effect of speckle noise Linear Scaling Mean Variance (LSMV) and the filter presented by Chitwong - to be tested in simulated images. We simulated 60 images, with size 300 by 300 pixels, 3 models, 4 thicknesses and 5 different levels of contrast, all with speckle noise. In addition, tests were made with a combination of filters. Furthermore, it was implemented a Fuzzy Connectedness algorithm and an evaluation system, following the criteria described by Loizou, which makes the true positives (TP) and false positives (FP) counting. It was found that the LSMV filter is the best option for Fuzzy Connectedness. We obtained rates of TP and FP of 95% and 5% using LSMV, and accuracy of 95%. Using high contrast noisy images, without filtering, we obtained the accuracy in order of 60%.

A doença de Chagas possui uma importante relevância clínica, sendo uma das principais causas de mortalidade e morbidade na América Latina. As relações entre a lesão tecidual miocárdica e os defeitos na inervação autonômica na doença de Chagas são pouco conhecidas. Este trabalho descreve o desenvolvimento e aplicação de métodos de segmentação, corregistro e análise de imagens capazes de prover uma análise integrada das lesões teciduais através do imageamento de ressonância magnética (MRI), perfusão miocárdica e inervação autonômica, disponíveis através da tomografia de emissão de fótons (SPECT). O método proposto é baseado na segmentação e corregistro entre as imagens MRI e imagens SPECT usando 99mTc-MIBI e 123I-MIBG. Para realizar a segmentação do miocárdio, foi utilizada a técnica de Contorno Ativo Geodésico. A segmentação de fibrose em imagens MRI foi realizada com base na maximização da entropia de Tsallis. O corregistro não-rígido foi realizado através do método B-Spline. Os resultados de quantificação indicam correlações entre a presença de fibrose, desnervação e isquemia, além de mostrar a presença de regiões de miocárdio vivo, isquêmico e desnervado. Assim, a ferramenta desenvolvida fornece uma análise integrada de informação, permitindo uma melhor compreensão da relação entre o dano ao tecido do miocárdio e defeitos de inervação autonômica causadas pela doença de Chagas. / Chagas disease is of major clinical relevance, and a major cause of morbidity and mortality in Latin America. The relations between the myocardial tissue damage, myocardial perfusion and defects in autonomic innervations are poorly understood. This study proposes the development and application of image analysis methods capable of providing an integrated visualization and analysis of tissue injuries through enhanced magnetic resonance imaging (MRI), autonomic innervations and myocardial perfusion, available through photon emission tomography (SPECT). The proposed method is based on segmentation and registration between MRI images and SPECT images using 99mTc-MIBI and 123I-MIBG. To perform the segmentation of myocardium, we used Geodesic Active Contour. Fibrosis segmentation in MRI images was performed based on the algorithm of maximum Tsallis entropy. Nonrigid registrations was performed based on B-Spline method. The quantification results showed correlations between the presence of fibrosis, denervation and ischemia, as well as showing the regarded presence of regions of healthy myocardium, ischemic and denervated. Thus, the developed tool provides an integrated analysis of information contributing to a better understanding of the relationship between myocardial tissue damage and autonomic innervations injuries caused by Chagas disease.

O greening ou Huanglongbing (HLB) é uma das mais graves doenças dos citros presentes nos pomares do Brasil. Causada pela bactéria Candidatus Liberibacter spp, é transmitida pelo inseto psilídeo Diaphorina citri, que ao se alimentar de uma planta doente transmite a doença às demais plantas. O greening apresenta como sintoma, manchas amareladas nas folhas, muitas vezes confundidas com deficiências nutricionais. A erradicação da planta e o controle do inseto transmissor são as únicas formas de prevenção para evitar a sua propagação. Este trabalho teve por objetivo avaliar uma metodologia baseada em segmentação por cor e outra baseada em análise de textura para avaliação de folhas de citros sintomáticas, identificando se estão contaminadas com o greening ou outras doenças e deficiências nutricionais. Foram fornecidas pelo grupo FISHER, 324 amostras de folhas cítricas, contendo folhas com doenças (greening, CVC e rubelose) e deficiências nutricionais (manganês, magnésio e zinco). As folhas foram digitalizadas por um scanner de mesa, com duas resoluções, utilizando somente a parte frontal da folha. Foram montados três bancos de imagens. Os resultados gerados com a metodologia baseada em segmentação por cor utilizando RNA PMC, mostraram que essa metodologia não é eficiente. Na metodologia baseada na análise por textura foram avaliados os descritores LBP, LFP e os de Haralick. Para estes descritores foram extraídas amostras por folha e por quadrantes das folhas nos canais de cores vermelho e verde e amostras em níveis de cinza. Os resultados gerados pelos descritores foram classificados pela distância &#9672 e pelos algoritmos IBK e RNA PMC do toolbox Weka. Os melhores resultados foram para os descritores LBP e LFP-s para distância &#9672, com valores de sensibilidade acima de 97% e 93%, respectivamente, e para o LBP com o algoritmo IBK, com valores de sensibilidade acima de 98,5%. Os resultados obtidos evidenciam que o descritor LBP é o mais eficiente seguido pelo LFP-s na diferenciação do greening das outras pragas. / The greening or Huanglongbing (HLB) is one of the most serious diseases of citrus orchards present in Brazil. HLB is caused by the bacterium Candidatus Liberibacter spp, it is transmitted by the psyllid insect (Diaphorina citri) that, when feeding on a diseased plant, it transmits the disease to other plants. One of the symptoms of the greening are yellowish spots on the leaves, often confused with nutritional deficiencies. The eradication of plants and control of insect are the only forms of prevention. This work aims to evaluate two methodologies: one based on color segmentation and the other based on texture analysis for assessment of symptomatic citrus leaves, identifying whether they are infected with greening and other diseases and nutritional deficiencies. A number of 324 samples of citrus leaves were provided by FISHER group, infected with diseases (greening, CVC, rubelose) and nutritional deficiencies ( manganese, magnesium, zinc) . The leaves were acquired by a flatbed scanner with two different resolutions, using only the front side of the leaf. Three datasets of images were constructed. The results generated using the methodology based on color segmentation with ANN MLP, showed that this methodology is not efficient. In the methodology based on texture analysis it was evaluated the LBP, LFP and the Haralick descriptors. For these descriptors it was extracted samples from the leaves and quadrants of leaves, in red and green color channels and grayscale. The results generated by the descriptors were classified by &#9672 distance and the algorithms IBK and ANN MLP from the toolbox Weka. The best results were for LBP descriptor and LFP-s for &#9672 distance with values of sensitivity above 97% and 93%, respectively, and the LBP with IBK algorithm, with values of sensitivity above 98.5%. The results showed that the LBP descriptor is the most efficient followed by LFP-s in the differentiation of the greening from other pests.

A segmentação de imagens consiste em urna tarefa de fundamental importância para diferentes aplicações em visão computacional, tais como por exemplo, o reconhecimento e o rastreamento de objetos, a segmentação de tomores/lesões em aplicações médicas, podendo também servir de auxílio em sistemas de reconhecimento facial. Embora exista uma extensa literatora abordando o problema de segmentação de imagens, tal tópico ainda continua em aberto para pesquisa. Particularmente, a tarefa de segmentar imagens coloridas é desafiadora devido as diversas inomogeneidades de cor, texturas e formas presentes nas feições descritivas das imagens. Este trabalho apresenta um novo método de clustering para abordar o problema da segmentação de imagens coloridas. Nós desenvolvemos uma abordagem Bayesiana para procura de máximos de densidade em urna distribuição discreta de dados, e representamos os dados de forma hierárquica originando clusters adaptativos a cada nível da hierarquia. Nós aplicamos o método de clustering proposto no problema de segmentação de imagens coloridas, aproveitando sua estrutura hierárquica, baseada em propriedades de árvores direcionadas, para representar hierarquicamente uma imagem colorida. Os experimentos realizados revelaram que o método de clustering proposto, aplicado ao problema de segmentação de imagens coloridas, obteve para a medida de performance Probabilistic Rand lndex (PRI) o valor de 0.8148 e para a medida Global Consistency Error (GCE) o valor 0.1701, superando um total de vinte e um métodos previamente propostos na literatura para o banco de dados BSD300. Comparações visuais confirmaram a competitividade da nossa abordagem em relação aos demais métodos testados. Estes resultados enfatizam a potencialidade do nosso método de clustering para abordar outras aplicações no domínio de Visão Computacional e Reconhecimento de Padrões. / Image segmentation is an essential task for several computer vision applications, such as object recognition, tracking and image retrieval. Although extensively studied in the literature, the problem of image segmentation remains an open topic of research. Particularly, the task of segmenting color images is challenging due to the inhomogeneities in the color regions encountered in natural scenes, often caused by the shapes of surfaces and their interactions with the illumination sources (e.g. causing shading and highlights) This work presents a novel non-supervised classification method. We develop a Bayesian framework for seeking modes on the underlying discrete distribution of data and we represent data hierarchically originating adaptive clusters at each levei of hierarchy. We apply the prnposal clustering technique for tackling the problem of color irnage segmentation, taking advantage of its hierarchical structure based on hierarchy properties of directed trees for representing fine to coarse leveis of details in an image. The experiments herein conducted revealed that the proposed clustering method applied to the color image segmentation problem, achieved for the Probabilistic Rand Index (PRI) performance measure the value of 0.8148 and for the Global Consistency Error (GCE) the value of 0.1701, outperforming twenty-three methods previously proposed in the literature for the BSD300 dataset. Visual comparison confirmed the competitiveness of our approach towards state-of-art methods publicly available in the literature. These results emphasize the great potential of our proposed clustering technique for tackling other applications in computer vision and pattem recognition.

A segmentação é uma etapa intermediária no registro e reconstrução 3D do pulmão. Geralmente, os métodos de segmentação são interativos e utilizam diferentes estratégias para combinar a expertise dos humanos e a velocidade e precisão dos computadores. A segmentação de imagens RM do pulmão é particularmente difícil devido à grande variação na qualidade da imagem. Dois métodos para a segmentação do contorno do pulmão são apresentados. No primeiro, uma análise individual de cada imagem da série de imagens RM é realizada, e a segmentação ocorre através de técnicas de limiarização e labeling. No segundo método, a respiração é associada a uma função respiração padrão, e através de técnicas de processamento de imagem 2D, detecção de bordas e transformada de Hough, padrões respiratórios são obtidos e, conseqüentemente, a posição dos pontos no tempo são estimados. Seqüências temporais de imagens RM são segmentadas, considerando a coerência no tempo. Desta forma, a silhueta do pulmão pode ser determinada em cada quadro, mesmo em quadros com bordas obscuras. A região do pulmão é segmentada em três etapas, neste método: uma máscara contendo a região do pulmão é criada a partir do resultado do primeiro método de segmentação; a transformada de Hough é aplicada exclusivamente aos pixels da máscara em diversos planos; o contorno do pulmão é extraído do resultado da transformada de Hough utilizando os contornos ativos. O formato da máscara pode ter uma grande variação, e a transformada de Hough modificada pode lidar com essa variação. Os resultados obtidos pelos dois métodos são comparados. / The segmentation of the lung is an intermediary step towards its registry and 3D reconstruction. Usually, segmentation methods are interactive and make use of different strategies to combine the expertise of the human and the computers accuracy and speed. Segmentation of lung magnetic resonance (MR) images is particularly difficult because of the large variation in image quality. Two methods for the lung contour segmentation are presented. In this first method, an individual analysis of each image in the series approach is taken, and the segmentation is made through thresholding and labeling techniques. In the second method, the breathing is associated to a standard respiratory function, and through 2D image processing, edge detection and Hough transform, respiratory patterns are obtained and, consequently, the position of points in time are estimated. Temporal sequences of MR images are segmented by considering the coherence in time. This way, the lung silhouette can be determined in every frame, even on frames with obscure edges. The lung region is segmented in three steps: a mask containing the lung region is created from the results of the first method; the Hough transform is applied exclusively to mask pixels in different planes; and the lung contour is created from the results of the Hough transform through active contours. The shape of the mask can have a large variation, and the modified Hough transform can handle such a shape variation. Results from both methods are compared.

O LiDAR (Light Detection And Ranging) vem-se consolidando como tecnologia de mapeamento, contribuindo com a ciência da informação geográfica. Este trabalho fez uma revisão do estado da arte da tecnologia LiDAR aerotransportado ou ALS (Airborne Laser Scanner), em constante mudança e aperfeiçoamento, no que diz respeito aos sistemas sensores e a estrutura de armazenamento das informações adquiridas. Inicialmente foi apresentado um panorama da utilização do LiDAR aerotransportado na produção de modelos digitais de elevação, em levantamentos de linhas de transmissão, no setor de transportes, e foi dada ênfase à tarefa de extração da vegetação e de edificações, detectando também o solo exposto. Para a extração de edificações, foram apresentados diversos conceitos desenvolvidos nos últimos quatro anos. Na parte prática foi utilizada uma região de teste para comparar feições urbanas obtidas pela classificação automática, realizada pelo software TerraScan, com feições homólogas provenientes de uma base cartográfica de referência, mostrando convergências e divergências entre os dois produtos. Foi realizada uma análise de declividade para determinação de bordas das edificações e, com isso, realizar a segmentação dessas feições. Foi realizado um controle de qualidade cartográfica do produto LiDAR que pudesse classificar esse produto quanto ao padrão de exatidão cartográfica digital. O produto obtido pelo LiDAR atendeu às classes B, C e D da nova norma brasileira a partir da escala 1:10.000. Também foi proposto e realizado o controle de qualidade altimétrico a partir das curvas de nível do produto cartográfico de referência. Recomenda-se a utilização cuidadosa desse produto em função da escala do mapeamento e das necessidades do usuário. / LiDAR (Light Detection And Ranging) has been consolidated as a mapping technology, contributing to the science of geographic information. This paper reviewed the state of the art of the LiDAR airborne technology or ALS (Airborne Laser Scanner), in constant change and improvement, with respect to the sensors and systems structure for storing acquired information. Initially, an overview was presented regarding the use of airborne LiDAR in producing digital elevation models, in surveys of transmission lines and the transportation sector. Emphasis was given to the task of extracting vegetation and buildings, also detecting the exposed soil. For the extraction of buildings, many concepts developed over the past four years were presented. In the practical part, a region test was used to compare the urban features obtained by the automatic classification performed by TerraScan software, with corresponding features from a cartographic reference product, showing similarities and differences between them. An analysis to determine the slope of the edges of the buildings was accomplished and, therefore, the segmentation of these features. The quality control of cartographic LiDAR product was performed in order to classify this product as the standard for digital cartographic accuracy. The product obtained by LiDAR met classes B, C and D of the new Brazilian standard in the 1:10,000 scale. Quality control of altimetry from the curves of the cartographic reference product level was also proposed and performed. We recommend the careful use of the product depending on the scale of the mapping and on users needs.

Os sarcomas de partes moles constituem um grupo diverso de neoplasias que podem surgir nos tecidos conjuntivos praticamente de qualquer região do corpo. A ressonância magnética (RM) é atualmente o exame de escolha para detecção, estadiamento regional e acompanhamento desses tumores. A segmentação das lesões a partir das imagens de RM da rotina permite extrair dados quantitativos, que tem potencial para adicionar informações a análise. O propósito do estudo é avaliar a reprodutibilidade da segmentação manual de sarcomas de partes moles em imagens de RM de pacientes com diagnóstico definitivo confirmado por meio da histopatologia. Como objetivo secundário foi realizada a comparação da segmentação manual e semiautomática a fim de validar a segmentação semiautomática como método alternativo para segmentação desses tumores. Foi estudada uma coorte retrospectiva de 15 pacientes consecutivos com diagnóstico confirmado de sarcoma de partes moles acompanhados em nosso serviço, no período de janeiro de 2006 até janeiro de 2016, com imagens de RM adquiridas previamente ao tratamento e disponíveis para análise no formato DICOM. Foi utilizado o software 3D Slicer para realizar as segmentações pelos métodos manual e semiautomático. Três radiologistas fizeram as segmentações de forma independente e às cegas para permitir avaliação interobservador. Os resultados obtidos demonstram haver alta reprodutibilidade intraobservador com coeficiente de similaridade de Dice entre as segmentações variando de 0,849 a 0,979 e as distâncias Hausdorff variando de 3,53 mm a 20,96 mm e uma boa reprodutibilidade interobservador com coeficientes de similaridade de Dice variando de 0,741 a 0,972 e distâncias Hausdorff variando de 5,83 a 60,84 mm. Foi encontrada uma concordância substancial entre as segmentações realizadas pelo método semiautomático quando comparadas com as segmentações realizadas pelo método manual com coeficientes de similaridade de Dice variando de 0,871 a 0,973 e distâncias Hausdorff variando de 5,43 mm a 31,75 mm. Em relação ao tempo de segmentação não houve diferença estatisticamente significativa do método semiautomático quando comparado ao método manual (p>0,05). Também foram calculados os volumes obtidos nas diferentes segmentações e houve concordância quase perfeita entre as duas segmentações manuais realizadas pelo radiologista 1, entre as segmentações realizadas pelo radiologista 1 e pelo radiologista 2, entre as segmentações realizadas pelo radiologista 1 e pelo radiologista 3, e entre a segmentação manual e semiautomática realizadas pelo radiologista 1, sendo obtidos coeficientes de correlação intraclasse (ICC) entre 0,9927 e 0,9990. Os resultados obtidos demonstram boa reprodutibilidade intra e interobservador da segmentação manual utilizando o software 3D Slicer validando dessa forma esse método como ferramenta confiável para servir de padrão de referência em futuros estudos quantitativos desses tumores. Foi encontrada concordância quase perfeita entre as segmentações realizadas pelo método semiautomático quando comparadas com as segmentações realizadas pelo método manual, mas nossos resultados não demonstraram diferença significativa de tempo de segmentação do método semiautomático em relação ao método manual. / Soft tissue sarcomas constitute a diverse group of neoplasms that can arise in the connective tissues from virtually any region of the body. Magnetic resonance imaging (MRI) is currently the examination of choice for detection, regional staging and followup of these tumors. The segmentation of the lesions from the routine MR images allows the extraction of quantitative data, which has the potential to add information to the analysis. The purpose of the study is to evaluate the reproducibility of manual segmentation of soft tissue sarcomas in MRI images of patients with definitive diagnosis confirmed by histopathology. As a secondary objective, a comparison of manual and semiautomatic segmentation was performed to validate semiautomatic segmentation as an alternative method for segmentation of these tumors. We studied a retrospective cohort of 15 consecutive patients with confirmed diagnosis of soft tissue sarcoma accompanied at our service from January 2006 to January 2016 with MR images acquired prior to treatment and available for analysis in the DICOM format. The software was used 3D Slicer to perform segmentation by manual and semiautomatic methods. Three radiologists did the segmentations independently and blindly to allow inter-observer evaluation. The results obtained show high intraobserver reproducibility with Dice similarity coefficient between the segmentations ranging from 0.849 to 0.979 and Hausdorff distances ranging from 3.53 mm to 20.96 mm and good interobserver reproducibility with Dice similarity coefficients ranging from 0.741 to 0.972 and Hausdorff distances varying from 5.83 to 60.84 mm. A substantial agreement was found between the segmentations performed by the semiautomatic method when compared to the segmentations performed by the manual method with Dice similarity coefficients ranging from 0.871 to 0.973 and Hausdorff distances ranging from 5.43 mm to 31.75 mm. Regarding the segmentation time, there was no statistically significant difference of the semiautomatic method when compared to the manual method (p> 0.05). The volumes obtained in the different segmentations were also calculated and there was almost perfect agreement between the two manual segmentations performed by the radiologist 1, between the segmentations performed by radiologist 1 and radiologist 2, between the segmentations performed by radiologist 1 and radiologist 3, and between The manual and semi-automatic segmentation performed by the radiologist 1, and intraclass correlation coefficients (ICC) between 0.9927 and 0.9990 were obtained. The results obtained demonstrate good intra and interobserver reproducibility of the manual segmentation using 3D Slicer software, thus validating this method as a reliable tool to serve as a reference standard in future quantitative studies of these tumors. Almost perfect agreement was found between the segmentations performed by the semiautomatic method when compared to the segmentations performed by the manual method, but our results did not show a significant difference in segmentation time of the semiautomatic method in relation to the manual method.

Segmentação de imagens é ainda uma etapa desafiadora do processo de reconhecimento de padrões. Entre as abordagens de segmentação, muitas são baseadas em particionamento em grafos, as quais apresentam alguns inconvenientes, sendo um deles o tempo de processamento muito elevado. Com as recentes pesquisas na teoria de redes complexas, as técnicas de reconhecimento de padrões baseadas em grafos melhoraram consideravelmente. A identificação de grupos de vértices pode ser considerada um processo de detecção de comunidades de acordo com a teoria de redes complexas. Como o agrupamento de dados está relacionado com a segmentação de imagens, esta também pode ser abordada através de redes complexas. No entanto, a segmentação de imagens baseado em redes complexas apresenta uma limitação fundamental, que é o número excessivo de nós na rede. Neste trabalho é proposta uma abordagem de redes complexas para segmentação de imagens de grandes dimensões que é ao mesmo tempo precisa e rápida. Para alcançar este objetivo, é incorporado o conceito de Super Pixels, visando reduzir o número de nós da rede. Os experimentos mostraram que a abordagem proposta produz segmentações de boa qualidade em baixo tempo de processamento. Além disso uma das principais contribuições deste trabalho é a determinação dos melhores parâmetros, uma vez que torna o método bastante independente dos parâmetros, o que não fora alcançado antes em nenhuma pesquisa da área / Image segmentation is still a challenging stage of the pattern recognition process. Amongst the various segmentation approaches, some are based on graph partitioning, many of which show some drawbacks, such as the high processing times. Recent trends on complex network theory have contributed considerably to the development of graph-based pattern recognition techniques. The identification of group of vertices can be considered a community detection process according to complex network theory. Since data clustering is closely related to image segmentation, image segmentation tasks can also be tackled by complex networks. However, complex network-based image segmentation poses a very important limitation: the excessive number of nodes of the underlying network. In this work we propose a approach based on complex networks suitable for the segmentation of image with large dimensions that is accurate and yet fast. To accomplish that, we have incorporated the concept of Super Pixels aiming at reducing the number of the nodes in the network. The results have shown that the proposed approach delivered accurate image segmentation within low computational times. Another contribution worth mentioning is the determination of the best values for the parameters needed by the underlying graphbased segmentation and community detection algorithms, which enabled the proposed approach to become less dependent on the parameters. To the best of our knowledge, this is a new contribution to the field