Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/13023
Title in Portuguese: SFPT neural: nova técnica de segmentação de fissuras pulmonares baseada em texturas em imagens de tomografia computadorizadas do tórax
Title: SPFT neural: novel segmentation technique of pulmonary fissures based on textures in computerized tomography images of the chest
Author: Cavalcanti Neto, Edson
Advisor(s): Cortez, Paulo César
Keywords: Teleinformática
Redes neurais
Processamento de imagens - Técnicas digitais
Issue Date: 19-Dec-2014
Citation: CAVALCANTI NETO, E. SFPT neural: nova técnica de segmentação de fissuras pulmonares baseada em texturas em imagens de tomografia computadorizadas do tórax. 2014. 74 f. Dissertação (Mestrado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2014.
Abstract in Portuguese: Entre todos os tipos de câncer, o de pulmão (CP) é um dos mais comuns de todos os tumores malignos, apresentando aumento de 2% por ano na sua incidência mundial. No Brasil, para o ano de 2014 são estimados 27.330 casos novos de CP, sendo destes 16.400, em homens e 10.930 em mulheres. Neste contexto, é de fundamental importância para saúde pública realizar e determinar diagnósticos precoces e mais precisos para detectar os estágios reais das doenças pulmonares. O auxílio ao diagnóstico mostra-se importante tanto do ponto de vista clínico quanto em pesquisa. Dentre os fatores que contribuem para isto, pode-se citar o aumento da precisão do diagnóstico do médico especialista à medida que aumenta o número de informações sobre o estado do paciente. Deste modo, certas doenças podem ser detectadas precocemente, aumentando as chances de cura. O tratamento inicial para esta doença consiste na lobectomia. Nesse contexto, costuma-se realizar a segmentação dos lobos pulmonares em imagens de Tomografia Computadorizada para extrair dados e auxiliar no planejamento da lobectomia. A segmentação dos lobos a partir de imagens de TC é geralmente obtida através da detecção das fissuras pulmonares. Nesse sentido, com o intuito de obter uma segmentação da fissura pulmonar mais eficaz e realizar um processo totalmente independente das demais estruturas presentes no exame de TC, o presente trabalho possui o objetivo de realizar a segmentação das fissuras utilizando medidas de textura LBP e Redes Neurais Artificiais (RNA). Para a implementação do algoritmo foi utilizado uma MLP (Multilayer Perceptron) com 60 entradas, 120 neurônios na camada oculta e 2 neurônios de saída. Os parâmetros de entrada para a rede foi o histograma LBP do voxel a ser analisado. Para o treinamento da rede foi necessário criar um sistema para identificação das classes fissuras e não-fissuras de forma manual, onde o usuário seleciona os pixels da classe fissura e da não-fissura. Para realizar as validações do algoritmo foi criado um padrão-ouro que foi extraído um total de 100 imagens de 5 exames do banco de dados LOLA11. Nessas imagens, as fissuras foram destacadas por 2 especialistas. A partir do padrão-ouro, o as imagens foram processadas pelo algoritmo e assim os resultados obtidos. Para o conjunto de imagens testadas, o classificador obteve um melhor desempenho quando o tamanho, 15x15 pixels, da janela utilizada para gerar o histograma do LBP. Para chegar até essa definição foram testados os tamanhos 11x11, 15x15, 17x17 e 21x21 e os resultados foram comparados utilizando as métricas de Especificidade Es(\%), Coeficiente de Similaridade CS(%), Sensibilidade S(\%), distância média e desvio padrão da distância. A primeira abordagem de análise dos resultados é através dos voxels}definidos como fissura no final da metodologia proposta. Para a metodologia proposta, detecção automática utilizando LBP ( extit{Local Binary Pattern}) e MLP, as taxas obtidas foram CS = 96,7%, S = 69,6% e Es = 96,8% para o método proposto antes do afinamento e CS = 99,2%, S = 3% e Es = 99,81% para o método proposto com o afinamento no fim, considerando a incidência de falsos positivos e falsos negativos. Outra abordagem utilizada na literatura para avaliação de métodos de segmentação de fissuras é baseado na distância média entre a fissura delineada pelo especialista e a fissura resultante do algoritmo proposto. Desta forma, o algoritmo proposto neste trabalho foi comparado com o algoritmo de Lassen(2013) através da abordagem da distância média entre a fissura segmentada manual e a fissura segmentada de forma automática. O algoritmo proposto com afinamento no final obteve uma menor distância no valor de e um menor desvio padrão comparado com o método de Lassen(2013). Por fim, são apresentados os resultados da segmentação automática das fissuras pulmonares. A baixa incidência de detecções falso negativas, juntamente com a redução significativa de detecções falso positivas, resultam em taxa de acerto elevada. Conclui-se que a técnica de segmentação de fissuras pulmonares é um algoritmo útil para segmentar fissuras pulmonares em imagens de TC, e com o potencial de integrar sistemas que auxiliem o diagnóstico médico
Abstract: Among all cancers, lung cancer (LC) is one of the most common tumors, an increase of 2% per year on its worldwide incidence. In Brazil, for the year of 2014, 27,330 new cases of LC are estimated, these being 16,400 in men and 10,930 in women. In this context, it is of fundamental importance for public health the identication on early stages of lung diseases. The diagnosis assistance shows to be important both from a clinical standpoint as in research. Among the factors contributing to this scene, one important is the increasing accuracy of diagnosis of a medical expert as you increase the number of information about the patient's condition. Thus, certain disorders might be detected early, including saving lives in some cases. The initial treatment for this disease consists of lobectomy. In this context, it is customary to perform the segmentation of lung lobes in CT images to extract data and assist in planning for lobectomy. The segmentation of the lobes from CT images is usually obtained by detection of pulmonary fissures. Thus, in order to obtain a more effective segmentation of pulmonary fissures, and perform a completely independent process from the other structures present in the CT scan, the present work has the objective to perform the fissure segmentation using LBP texture measures and Neural Networks (NN). To implement the algorithm we used one MLP with 60 inputs, 120 hidden neurons and 2 output neurons. The input parameters for the network was the LBP histogram of the voxel being analyzed. For network training, it was necessary to create a system to label the features as fissures and non-fissures manually, where the user selects the fissure pixels class. To perform the validation of the algorithm was necessary to create a "gold standard"in which it was extracted a total of 100 images from 5 exams from the dataset LOLA11, where these images were the fissures were highlighted by two experts. From the gold standard, the proposed algorithm was processed and the results were obtained. For all tested images, the classifier obtained a better performance when the size of 15x15 pixels of the window was used to generate the histogram of the LBP. To get to this definition were tested sizes of 11x11, 15x15, 17x17 and 21x21 and the results were based on metrics comaprados ACC (%), TPR (%), SPC (%) distance mean and standard deviation of the distance. The first approach to analyze the results is through the voxels defined as fissure at the end of the proposed methodology. For the proposed methodology, using automatic detection and MLP LBP before thinning, the rates were obtained ACC= 96.7 %, TPR = 69.6 % and SPC = 96.8 % and ACC = 99 2 % TPR = 3 % and SPC = 99.81 % for the proposed method with the thinning in the end, considering the incidence of false positives and false negatives. Another approach used in the literature for evaluating methods of fissure segmentation is based on the average distance between the fissure delineated by the expert and the resulting fissure through the algorithm. Thus, the algorithm proposed in this paper was compared with the algorithm Lassen et al. (2013) by the average distance between the manual segmented and the automatically segmented fissure. The proposed algorithm with the thinning in the end achieved a shorter distance average value and a lower standard deviation compared with the method of (LASSEN et al., 2013). Finally, the results obtained for automatic segmentation of lung fissures are presented. The low incidence of false negative detections detection results, together with the significant reduction in false positive detections result in a high rate of settlement. We conclude that the segmentation technique for lung fissures is a useful target for pulmonary fissures on CT images and has potential to integrate systems that help medical diagnosis
URI: http://www.repositorio.ufc.br/handle/riufc/13023
Appears in Collections:DETE - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2014_dis_ecavalcantineto.pdf7,54 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.