Return to search

Uma técnica otimizada de clusterização para Segmentação de imagens de tc de tórax de alta-resolução / An optimized superpixel clustering approach for high-resolution chest ct image segmentation

Lung segmentation is a fundamental step in many image analysis applications for lung
diseases and abnormalities in thoracic computed tomography (CT). However, due to
the large variations in pathology that may be present in thoracic CT images, it is difficult
to extract the lung regions accurately, especially when the lung parenchyma contains
extensive lung diseases. A major insight to deal with this problem is the existence
of new approaches to cope with quality and performance. This paper presents an
optimized superpixel clustering approach for high-resolution chest CT segmentation.
The proposed algorithm is compared against some open source superpixel algorithms
while a performance evaluation is carried out in terms of boundary recall and undersegmentation
error metrics. The over-segmentation results on a Computed Tomography
Emphysema Database demonstrates that our approach shows better performance
than other three state-of-the-art superpixel methods. / Segmentação de tórax é um passo fundamental em muitas aplicações de análise de
imagens para doenças de pulmão e anormalidades em tomografia computadorizada
(TC) torácica. Contudo, devido às variações patológicas que podem estar presentes
em imagens de TC, torna-se difícil extrair regiões do pulmão com precisão, especialmente
quando o parênquima pulmonar possui certas regiões defeituosas. Uma forma
de contornar este problema é a utilização de novas técnicas para obter qualidade e desempenho
na segmentação pulmonar. Este trabalho apresenta uma técnica de clusterização
otimizada de superpixels para a segmentação de imagens pulmonares de
TC de alta-resolução. O algoritmo proposto é comparado contra alguns algoritmos de
código aberto enquanto que o desempenho é avaliado em termos de métricas como
boundary recall e under-segmentation error. Os resultados das imagens segmentadas
sobre um conjunto de dados de imagens de enfisema de tomografia computadorizada
demonstraram que a técnica proposta apresenta uma melhor performance do que outros
três métodos de superpixels estado-da-arte.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufsm.br:1/12169
Date17 March 2016
CreatorsPorto, Marcelo Arrais
ContributorsD'Ornellas, Marcos Cordeiro, Silva, Luciano Silva da, Dotto, Gustavo Nogara
PublisherUniversidade Federal de Santa Maria, Centro de Tecnologia, Programa de Pós-Graduação em Informática, UFSM, Brasil, Ciência da Computação
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UFSM, instname:Universidade Federal de Santa Maria, instacron:UFSM
RightsAttribution-NonCommercial-NoDerivatives 4.0 International, http://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess
Relation100300000007, 600, 14277591-d49a-4687-a655-fca50eddc946, 1e5d2865-305b-4bf6-a3bd-b235a0258362, c7a82e98-a0b9-4b38-add1-63607d75b0a0, 82bbceff-de9c-43c2-b9f3-4bf813f012b4

Page generated in 0.0016 seconds