[pt] O presente trabalho visa desenvolver uma ferramenta
computacional para sugerir sobre a malignidade ou
benignidade de Nódulos Pulmonares Solitários, através da
análise de medidas de textura e geometria obtidas
a partir das imagens de tomografia computadorizada. São
propostos quatro grupos de métodos com o objetivo de
sugerir
o diagnóstico para o nódulo. Os grupos de métodos são
divididos de acordo com suas características comuns. O
Grupo I trata dos métodos baseados em textura adaptados
para 3D, como o histograma, o Método de Dependência
Espacial de Níveis de Cinza, o Método de Diferença de
Níveis de Cinza e o Método de Comprimento de Primitivas de
Níveis de Cinza. O Grupo II também trata da textura dos
nódulos, mas utiliza quatro funções geoestatísticas
denominadas semivariograma, semimadograma, covariograma e
correlograma. O Grupo III descreve apenas medidas
baseadas
na geometria do nódulo, como a convexidade, a
esfericidade
e medidas baseadas na curvatura. Por fim, o Grupo IV
analisa
os métodos do coeficiente de Gini e do esqueleto dos
nódulos, que levam em consideração tanto a geometria
quanto
a textura do nódulo. Foi analisada uma amostra com 36
nódulos, sendo 29 benignos e 7 malignos, e os resultados
preliminares são promissores na caracterização dos nódulos
pulmonares. A maioria dos grupos de métodos propostos tem
o
valor da área sobre a curva ROC acima de 0.800,
utilizando
a Análise Discriminante Linear de Fisher e a Rede Neural
Perceptron de Múltiplas Camadas. Isto significa que os
métodos propostos possuem grande potencial na
discriminação
e classificação dos Nódulos Pulmonares Solitários. / [en] The present work seeks to develop a computational tool to
suggest about the malignancy or benignity of Solitary Lung
Nodules by the analysis of texture and geometry measures
obtained from computadorized tomography images. Four groups
of methods are proposed with the purpose of suggesting the
diagnosis for such nodule. The groups of methods are
divided according to their common characteristics. Group I
includes methods based on texture adapted for 3D, such as
the histogram, the Spatial Gray Level Dependence Method,
the Gray Level Difference Method and Gray Level Run Length
Matrices. Group II also deals with the texture of nodules,
but uses four statistical functions denominated
semivariogram, semimadogram, covariogram and correlogram.
Group III describes measures based only on the geometry of
the nodule, such as convexity, sphericity, and measures
based on the curvature. Finally, Group IV analyzes the Gini
coeficient and nodule skeleton methods, which take into
account both the nodule s geometry and its texture.
A sample with 36 nodules, 29 benign and 7 malignant, was
analyzed and the preliminary results of this approach are
very promising in characterizing lung nodules. Most groups
of proposed methods have the area under the ROC curve value
above 0.800, using Fisher s Linear Discriminant Analysis
and Multilayer Perceptron Neural Networks. This means that
the proposed methods have great potential in the
discrimination and classification of Solitary Lung Nodules.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:4516 |
| Date | 19 February 2004 |
| Creators | ARISTOFANES CORREA SILVA |
| Contributors | MARCELO GATTASS |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0026 seconds