Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-06-26T19:30:57Z
No. of bitstreams: 1
Stelmo.pdf: 9433038 bytes, checksum: 2b73bb4f0f32aec1145044fb676465e6 (MD5) / Made available in DSpace on 2017-06-26T19:30:57Z (GMT). No. of bitstreams: 1
Stelmo.pdf: 9433038 bytes, checksum: 2b73bb4f0f32aec1145044fb676465e6 (MD5)
Previous issue date: 2016-10-17 / Lung cancer is one of the most common types of cancer around the world. Temporal evaluation has become a very useful tool when to whoever needs to analyze a lung lesion. The analysis occurs when a malignant lesion is under treatment or when there are indeterminate lesions, but they are probably benign. The objective from this work is to develop computational methods to detect, quantify and analyze local and global density changes of pulmonary lesions over time. Thus, it were developed four groups of methods to perform this task. The rst identi es local density changes and it has been denominated voxel-based. The second one is composed of the Jensen divergence and the hypothesis test with global and local approaches. Similarly, the third group has only one method, the principal component analysis. The last group has one method, it has been denominated modi ed quality threshold, and identi es the local density changes. In order to reach the objectives, it was proposed a methodology composed of ve steps: The rst step consists in image acquisition of the lesion at various instants. Two image databases were acquired and two models of lesions were created to evaluate the methods. The rst database has 24 lesions under treatment (public database) and the second has 13 benign nodules (private database) in monitoring. The second step refers to rigid registration of the lesion images. The next step is to apply the proposed four groups of methods. As a result, the second group of methods detected more density changes than the fourth group, which in turn, this latter detected more regions than the rst group and this more than the third group, for the public database. For the private database, the fourth group of density change methods detected more regions than the rst group. The third group detected few regions of changes when compared to the rst group and the second group had the lowest number of detected regions. In addition to the density changes found, the proposed classi cation model with texture features had accuracy above 98% in the diagnosis prediction. The results state that there are changes in both databases. However, the detected changes for each group of methods have di erent intensity and location to the databases. This conclusion is based from high accuracy that was obtained from the prediction of the lesion diagnosis from both databases. / O câncer de pulmão é um dos tipos de câncer de maior incidência no mundo. A avaliação temporal aparece como ferramenta bastante útil quando se deseja analisar uma lesão. A análise pode ocorrer quando uma lesão maligna está em tratamento ou quando surgem lesões indeterminadas, mas essas são provavelmente benignas. O objetivo deste trabalho é desenvolver métodos computacionais para detectar, quantifi car e analisar mudanças de densidade locais e globais das lesões pulmonares ao longo do tempo. Desta forma, foram desenvolvidos quatro conjuntos de métodos para realização da tarefa de detectar mudanças de densidade em lesões pulmonares. O primeiro conjunto identifi ca mudanças de densidade locais e foi denominado de métodos baseados em voxel. O segundo conjunto é composto da divergência de Jensen e do teste de hipótese com abordagens locais e globais. Com o mesmo propósito de detectar mudanças de densidade locais em lesões pulmonares, o terceiro conjunto possui um único método, a análise de componentes principais. O último conjunto também possui um único método, denominado de quality threshold modi ficado e identifi ca as mudanças locais de densidade. Para cumprir o objetivo deste trabalho, propõe-se uma metodologia composta de cinco etapas. A primeira etapa consiste na aquisição das imagens da lesão em diversos instantes. Duas bases de lesões foram utilizadas e dois modelos de lesões foram propostos para avaliação dos métodos. A primeira base possui 24 lesões em tratamento (base pública) e a segunda possui 13 nódulos benignos (base privada) em acompanhamento. A segunda etapa corresponde ao registro rígido das imagens da lesão. A próxima etapa é a aplicação dos quatro conjuntos de métodos propostos. Como resultado, o segundo conjunto de métodos detectou mais mudanças de densidade que o quarto conjunto, que por sua vez, este ultimo detectou mais regões que o primeiro conjunto e este mais que o terceiro conjunto, para a base pública de lesões. Em relação a base privada, o quarto conjunto de métodos detectou mais regiões de mudança de densidade que o primeiro conjunto. O terceiro conjunto detectou menos regiões de mudança quando comparado ao primeiro conjunto e o segundo conjunto teve o menor n úmero de regiões detectadas. Em adição às mudanças de densidade encontradas, o modelo de classi ficação proposto com medidas clássicas de textura para predição do diagnóstico da lesão teve acurácia acima de 98%. Os resultados encontrados indicam que existem mudanças de densidade em ambas as bases de lesões pulmonares. Entretanto, as mudanças detectadas por cada um dos métodos propostos possuem características de intensidade e localização diferentes em ambas as bases. Essa conclusão é motivada pela alta acurácia obtida em seu diagnóstico para as bases utilizadas.
Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede/1700 |
Date | 17 October 2016 |
Creators | Barros Netto, Stelmo Magalhães |
Contributors | Silva, Aristófanes Corrêa, Paiva, Anselmo Cardoso |
Publisher | Universidade Federal do Maranhão, PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET, UFMA, Brasil, DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UFMA, instname:Universidade Federal do Maranhão, instacron:UFMA |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0019 seconds