Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2007. / Submitted by Diogo Trindade Fóis (diogo_fois@hotmail.com) on 2010-01-05T17:52:14Z
No. of bitstreams: 1
2007_MariadoCarmodosReis_parcial.PDF: 2579100 bytes, checksum: bc9f685d9db636b853c7fb9501906433 (MD5) / Approved for entry into archive by Joanita Pereira(joanita) on 2010-01-05T19:00:42Z (GMT) No. of bitstreams: 1
2007_MariadoCarmodosReis_parcial.PDF: 2579100 bytes, checksum: bc9f685d9db636b853c7fb9501906433 (MD5) / Made available in DSpace on 2010-01-05T19:00:42Z (GMT). No. of bitstreams: 1
2007_MariadoCarmodosReis_parcial.PDF: 2579100 bytes, checksum: bc9f685d9db636b853c7fb9501906433 (MD5)
Previous issue date: 2007 / A análise de ecocardiogramas bidimensionais para avaliar o desempenho da função cardíaca tipicamente requer a identificação do ventrículo esquerdo. Após a segmentação e extração do contorno do ventrículo esquerdo, certos parâmetros clínicos podem ser calculados para auxiliar no diagnóstico de doenças cardíacas. A segmentação manual é considerada uma tarefa morosa, que consome muito tempo e que pode apresentar variações inter e intra-observador. Sendo assim, encontram-se diversos métodos de segmentação automática e semi-automática na literatura. Foram desenvolvidos quatro métodos de segmentação semi-automática do ventrículo esquerdo divididos em dois grupos: métodos de extração da borda do ventrículo esquerdo com detecção e rejeição de quadros com movimento e métodos de extração da borda do ventrículo esquerdo sem detecção e rejeição de quadros com movimento. No primeiro grupo, o algoritmo inicia-se com o processo de detecção e rejeição de quadros com movimento. Este é realizado de duas formas diferentes: por estimação de movimento e por subtração de quadros. Em seguida, são aplicados filtros de pré-processamento para redução do ruído e aumento do contraste. O próximo passo é a segmentação da cavidade ventricular através de uma operação de limiarização. Finalmente, a extração da borda é feita mediante operações de vizinhança. Já no segundo grupo, os algoritmos dos dois métodos implementados são muito similares ao primeiro grupo. As diferenças são: a rejeição de quadros foi eliminada e no segundo método a extração da borda é realizada utilizando estimação de movimento. Para testar a eficiência dos métodos, executou-se a análise de desempenho utilizando quatro métricas para calcular a similaridade entre a borda manual e a borda automática: o índice de correlação, o erro percentual (EP), o erro soma (ES) e a diferença de área sobre o perímetro. A partir dos resultados dos testes foi possível identificar qual método melhor se aproximou da segmentação manual. Os resultados foram considerados muito precisos pelos médicos especialistas. __________________________________________________________________________________________ ABSTRACT / The analysis of two-dimensional echocardiograms to evaluate the performance of the cardiac function typically requires the identification of the left ventricle. After the segmentation and extraction of the contour of the left ventricle, certain clinical parameters can be calculated to assist in the diagnosis of cardiac illnesses. The manual segmentation is considered a weak task, which consumes much time and often presents significant variations inter and intra-observers. Therefore, several automatic and semi-automatic segmentation methods have been developed in order to improve this job. Four methods for semi-automatic segmentation of the left ventricle were developed. They were divided in two groups: methods for extraction of the left ventricle border with detection and rejection of pictures with movement and methods for extraction of the left ventricle border without detection and rejection of pictures with movement. In the first group, the algorithm begins with the detection process and rejection of pictures with movement. This process is accomplished using two different algorithms: movement estimation and pictures subtraction. After that, pre-processing filters are applied for noise reduction and contrast enhancement. Next, the segmentation of the heart cavity is achieved through a limiarization operation. And finally, the border is extracted by neighborhood operations. The main differences between the first and the second group are: there is no rejection of pictures in the second group and, the border extraction algorithm of the second method of the second group is accomplished using movement estimation. To test the performance of the developed segmentation methods, four metrics were applied in order to get the similarity between the manual and the automatic ventricle borders. From the analysis of the results, it was possible to identify which method provided the border that had a closer match to the manual one. Moreover, the medical specialists were contented with the results.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unb.br:10482/2940 |
| Date | January 2007 |
| Creators | Reis, Maria do Carmo dos |
| Contributors | Camapum, Juliana Fernandes |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UnB, instname:Universidade de Brasília, instacron:UNB |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0015 seconds