Submitted by Setor de Tratamento da Informa??o - BC/PUCRS (tede2@pucrs.br) on 2015-11-12T11:22:58Z
No. of bitstreams: 1
476054 - Texto Completo: 3324667 bytes, checksum: 9b5561f04ee14590ab8784667acd8130 (MD5) / Made available in DSpace on 2015-11-12T11:22:58Z (GMT). No. of bitstreams: 1
476054 - Texto Completo: 3324667 bytes, checksum: 9b5561f04ee14590ab8784667acd8130 (MD5)
Previous issue date: 2015-03-31 / Funda??o de Amparo ? Pesquisa do Estado do Rio Grande do Sul - FAPERGS / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES / Morphological attributes, intensity and texture, are essential to aid the diagnosis of pulmonary nodules. To improve the accuracy of diagnosis, as well as the interpretation of radiological imaging, computer-aided diagnostic systems are used, which help to reduce the interpretation variability. The aim of this study was to evaluate the use of patient data and quantitative attributes of pulmonary nodules in lung computed tomography to build a classification model in terms of malignancy. The study was based on the analysis of 51 patients computed tomography images of lung, 33 patients diagnosed with malignant lesions and 18 patients with benign lesions, all confirmed through anatomo-pathological report of lung tissue. The study included a diagnostic interpretation stage made from a blind study with radiologists and the use of logistic regression to analyze the predictive power of qualitative and quantitative variables extracted from computed tomography lung images. The quantitative attributes of the nodules consisted of twelve morphological attributes (volume, area, perimeter, compactness, roughness and invariant moments of order 1 to 7), five intensity attributes (mass, density, CT number average, fat and calcification indexes) and three texture attributes (homogeneity, entropy and variance). The results showed that in the visual interpretation of radiologists, only the most experienced doctor showed a correlation with the pathology report (64.5%), when excluding the hits due to chance. The model which better predicts the nodules malignancy included a quantitative attribute of localization, the intensity attribute ?calcification index? developed in this work, and the compactness, a morphological attribute related to the nodule form. The predictive value of the classification model (86.3%) was much higher than the predictive value based on the visual assessment of the most experienced doctor (65.3%), regardless of the chance, being close to the accuracy of the same doctor (85.1%). This emphasizes the importance of this type of research in the search for a quantitative model that allows the classification of pulmonary nodules. / Atributos morfol?gicos, de intensidade e textura s?o essenciais para o auxilio ao diagn?stico de n?dulos em imagens de tomografia computadorizada de pulm?o. Para melhorar a acur?cia do diagn?stico, assim como a interpreta??o da imagem radiol?gica, s?o utilizados sistemas de diagn?stico auxiliado por computador, que ajudam a diminuir a variabilidade de interpreta??o. O objetivo geral deste estudo foi avaliar a utiliza??o de dados de pacientes e atributos quantitativos de n?dulos pulmonares em imagens de tomografia computadorizada de pulm?o para a constru??o de um modelo de classifica??o em termos de malignidade. O estudo foi baseado em uma an?lise das imagens de tomografia computadorizada de pulm?o de 51 pacientes, sendo 33 pacientes diagnosticados com les?es malignas e 18 pacientes com les?es benignas, todos confirmados por meio do laudo anatomopatol?gico do tecido pulmonar. O estudo contou com uma etapa de interpreta??o diagn?stica realizada a partir de um estudo cego com m?dicos radiologistas e a utiliza??o da regress?o log?stica para an?lise do poder preditivo de vari?veis qualitativas e quantitativas extra?das das imagens de tomografia computadorizada de pulm?o. Os atributos quantitativos dos n?dulos foram constitu?dos de: doze atributos morfol?gicos (volume, ?rea, per?metro, compacidade, irregularidade e os momentos invariantes de ordem 1 a 7), cinco atributos de intensidade (massa, densidade, m?dia do n?mero TC, ?ndice de gordura e ?ndice de calcifica??o) e tr?s atributos de textura (homogeneidade, entropia e vari?ncia). Os resultados mostraram que na interpreta??o visual dos radiologistas, apenas o m?dico com maior experi?ncia apresentou uma concord?ncia com o laudo anatomopatol?gico (64,5%), quando se excluem os acertos devido ao acaso. Concluiu-se que o modelo que melhor classifica a malignidade dos n?dulos incluiu um atributo qualitativo de localiza??o, um atributo de intensidade relacionado ao ?ndice de calcifica??o, desenvolvido neste trabalho, e um atributo morfol?gico relacionado ? compacidade do n?dulo. O valor preditivo do modelo (86,3%) foi muito maior do que o valor preditivo baseado na avalia??o visual do m?dico mais experiente (65,3%), sem considerar o acaso, estando pr?ximo da acur?cia desse mesmo m?dico (85,1%), inclu?do o acerto devido ao acaso. Este fato revela a import?ncia deste tipo de pesquisa na busca de um modelo quantitativo, baseado em imagens de tomografia computadorizada, que permita a classifica??o dos n?dulos pulmonares.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2.pucrs.br:tede/6387 |
| Date | 31 March 2015 |
| Creators | Copetti, Thiago Santos |
| Contributors | Bolzani, Leticia Maria Veiras, Vargas , Fabian Luis |
| Publisher | Pontif?cia Universidade Cat?lica do Rio Grande do Sul, Programa de P?s-Gradua??o em Engenharia El?trica, PUCRS, Brasil, Faculdade de Engenharia |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da PUC_RS, instname:Pontifícia Universidade Católica do Rio Grande do Sul, instacron:PUC_RS |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 207662918905964549, 600, 600, 600, 600, 600, -655770572761439785, -1431013593610671097, -3614735573891122254, 2075167498588264571 |
Page generated in 0.0018 seconds