[pt] Este trabalho propõe um novo algoritmo de segmentação baseado em
crescimento de regiões para detecção de nódulos pulmonares em imagens de
tomografia computadorizada. Para decidir, em cada iteração, se dois objetos
adjacentes são fundidos em um único objeto, o algoritmo de segmentação calcula
um índice de heterogeneidade baseada em múltiplos critérios. Entretanto, o
algoritmo de segmentação depende de alguns parâmetros os quais foram
encontrados utilizando algoritmo genético. Resultados experimentais mostraram
que o método é robusto e promissor (chegando a uma sensibilidade de 80,9 %
com 0,23 falsos positivos por exame). Além disso, indicam que o método
proposto é capaz de fornecer um bom suporte para o diagnóstico do especialista. / [en] This study proposes a novel segmentation algorithm for lung nodules
detection in thorax computed tomography (CT). In order to decide, at each
iteration, whether two adjacent objects should be merged or not, a region growing
procedure calculates a heterogeneity growth based on multiple criteria. However,
segmentation algorithm depends on some parameters which were found by
genetic algorithm. Results produced by the proposed segmentation were closely
consistent with the reference segments provided manually by an expert physician.
The detection itself achieved 80,9% sensitivity with 0,23 false positive per slice
which indicates that the proposed method is able to provide a good suggestion for
the specialist. Results indicate the potential of proposed segmentation method and
encourage a further investigation aiming at improving its accuracy.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:16423 |
| Date | 04 October 2010 |
| Creators | VANESSA DE OLIVEIRA CAMPOS |
| Contributors | RAUL QUEIROZ FEITOSA |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0023 seconds