[en] MULTICRITERION SEGMENTATION FOR LUNG NODULE DETECTION IN COMPUTED TOMOGRAPHY

Detalhes bibliográficos
Autor(a) principal: VANESSA DE OLIVEIRA CAMPOS
Data de Publicação: 2010
Tipo de documento: Outros
Idioma: por
Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16423@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16423@2
http://doi.org/10.17771/PUCRio.acad.16423
Resumo: [pt] Este trabalho propõe um novo algoritmo de segmentação baseado em crescimento de regiões para detecção de nódulos pulmonares em imagens de tomografia computadorizada. Para decidir, em cada iteração, se dois objetos adjacentes são fundidos em um único objeto, o algoritmo de segmentação calcula um índice de heterogeneidade baseada em múltiplos critérios. Entretanto, o algoritmo de segmentação depende de alguns parâmetros os quais foram encontrados utilizando algoritmo genético. Resultados experimentais mostraram que o método é robusto e promissor (chegando a uma sensibilidade de 80,9 % com 0,23 falsos positivos por exame). Além disso, indicam que o método proposto é capaz de fornecer um bom suporte para o diagnóstico do especialista.
id PUC_RIO-1_15249ad4c3da8cca692bbf011d9609df
oai_identifier_str oai:MAXWELL.puc-rio.br:16423
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str 534
spelling [en] MULTICRITERION SEGMENTATION FOR LUNG NODULE DETECTION IN COMPUTED TOMOGRAPHY [pt] SEGMENTAÇÃO MULTICRITÉRIO PARA DETECÇÃO DE NÓDULOS PULMONARES EM IMAGENS DE TOMOGRAFIA COMPUTADORIZADA [pt] TECNOLOGIA[pt] DETECCAO[pt] TOMOGRAFIA[pt] COMPUTADOR[en] TECHNOLOGY[en] DETECTIONAL[en] TOMOGRAPHY[en] COMPUTER[pt] Este trabalho propõe um novo algoritmo de segmentação baseado em crescimento de regiões para detecção de nódulos pulmonares em imagens de tomografia computadorizada. Para decidir, em cada iteração, se dois objetos adjacentes são fundidos em um único objeto, o algoritmo de segmentação calcula um índice de heterogeneidade baseada em múltiplos critérios. Entretanto, o algoritmo de segmentação depende de alguns parâmetros os quais foram encontrados utilizando algoritmo genético. Resultados experimentais mostraram que o método é robusto e promissor (chegando a uma sensibilidade de 80,9 % com 0,23 falsos positivos por exame). Além disso, indicam que o método proposto é capaz de fornecer um bom suporte para o diagnóstico do especialista.[en] This study proposes a novel segmentation algorithm for lung nodules detection in thorax computed tomography (CT). In order to decide, at each iteration, whether two adjacent objects should be merged or not, a region growing procedure calculates a heterogeneity growth based on multiple criteria. However, segmentation algorithm depends on some parameters which were found by genetic algorithm. Results produced by the proposed segmentation were closely consistent with the reference segments provided manually by an expert physician. The detection itself achieved 80,9% sensitivity with 0,23 false positive per slice which indicates that the proposed method is able to provide a good suggestion for the specialist. Results indicate the potential of proposed segmentation method and encourage a further investigation aiming at improving its accuracy.MAXWELLRAUL QUEIROZ FEITOSAVANESSA DE OLIVEIRA CAMPOS2010-10-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/otherhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16423@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16423@2http://doi.org/10.17771/PUCRio.acad.16423porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2019-06-27T00:00:00Zoai:MAXWELL.puc-rio.br:16423Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342019-06-27T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.none.fl_str_mv [en] MULTICRITERION SEGMENTATION FOR LUNG NODULE DETECTION IN COMPUTED TOMOGRAPHY
[pt] SEGMENTAÇÃO MULTICRITÉRIO PARA DETECÇÃO DE NÓDULOS PULMONARES EM IMAGENS DE TOMOGRAFIA COMPUTADORIZADA
title [en] MULTICRITERION SEGMENTATION FOR LUNG NODULE DETECTION IN COMPUTED TOMOGRAPHY
spellingShingle [en] MULTICRITERION SEGMENTATION FOR LUNG NODULE DETECTION IN COMPUTED TOMOGRAPHY
VANESSA DE OLIVEIRA CAMPOS
[pt] TECNOLOGIA
[pt] DETECCAO
[pt] TOMOGRAFIA
[pt] COMPUTADOR
[en] TECHNOLOGY
[en] DETECTIONAL
[en] TOMOGRAPHY
[en] COMPUTER
title_short [en] MULTICRITERION SEGMENTATION FOR LUNG NODULE DETECTION IN COMPUTED TOMOGRAPHY
title_full [en] MULTICRITERION SEGMENTATION FOR LUNG NODULE DETECTION IN COMPUTED TOMOGRAPHY
title_fullStr [en] MULTICRITERION SEGMENTATION FOR LUNG NODULE DETECTION IN COMPUTED TOMOGRAPHY
title_full_unstemmed [en] MULTICRITERION SEGMENTATION FOR LUNG NODULE DETECTION IN COMPUTED TOMOGRAPHY
title_sort [en] MULTICRITERION SEGMENTATION FOR LUNG NODULE DETECTION IN COMPUTED TOMOGRAPHY
author VANESSA DE OLIVEIRA CAMPOS
author_facet VANESSA DE OLIVEIRA CAMPOS
author_role author
dc.contributor.none.fl_str_mv RAUL QUEIROZ FEITOSA
dc.contributor.author.fl_str_mv VANESSA DE OLIVEIRA CAMPOS
dc.subject.por.fl_str_mv [pt] TECNOLOGIA
[pt] DETECCAO
[pt] TOMOGRAFIA
[pt] COMPUTADOR
[en] TECHNOLOGY
[en] DETECTIONAL
[en] TOMOGRAPHY
[en] COMPUTER
topic [pt] TECNOLOGIA
[pt] DETECCAO
[pt] TOMOGRAFIA
[pt] COMPUTADOR
[en] TECHNOLOGY
[en] DETECTIONAL
[en] TOMOGRAPHY
[en] COMPUTER
description [pt] Este trabalho propõe um novo algoritmo de segmentação baseado em crescimento de regiões para detecção de nódulos pulmonares em imagens de tomografia computadorizada. Para decidir, em cada iteração, se dois objetos adjacentes são fundidos em um único objeto, o algoritmo de segmentação calcula um índice de heterogeneidade baseada em múltiplos critérios. Entretanto, o algoritmo de segmentação depende de alguns parâmetros os quais foram encontrados utilizando algoritmo genético. Resultados experimentais mostraram que o método é robusto e promissor (chegando a uma sensibilidade de 80,9 % com 0,23 falsos positivos por exame). Além disso, indicam que o método proposto é capaz de fornecer um bom suporte para o diagnóstico do especialista.
publishDate 2010
dc.date.none.fl_str_mv 2010-10-04
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/other
format other
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16423@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16423@2
http://doi.org/10.17771/PUCRio.acad.16423
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16423@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16423@2
http://doi.org/10.17771/PUCRio.acad.16423
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv MAXWELL
publisher.none.fl_str_mv MAXWELL
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1814822577015619584

Registros relacionados