Segmentação de imagens torácicas de Raio-X

• Autor(a) principal: Graça, Ricardo Filipe Pereira Seco Oliveira .
• Data de Publicação: 2012
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.6/3712
• topic: Segmentação - Contornos activos - Chan Vese; Segmentação - Contornos activos - Shawn Lankton; Segmentação de imagens médicas; Imagens Torácicas de Raio-X - Segmentação

A segmentação é uma das etapas que constituem o processamento de uma imagem. Consiste na divisão da imagem em componentes independentes. Essa informação é usada em etapas posteriores, de forma a obter-se conhecimento. Trata-se de um conceito utilizado em imagens médicas no qual irá incidir este estudo. Esta aplicação em imagens médicas torna-se um desa o devido a vários factores, como a falta de uniformidade das imagens ou à presença de elevado ruído, só para citar alguns dos obstáculos existentes. Devido a esta falta de uniformidade que é caractaterística das imagens médicas, torna-se difícil a construção de um método standard que se possa ajustar a uma grande diversidade de imagens. Este estudo pretende analisar três métodos de segmentação, aplicando-os a imagens torá- cicas de raio-x. Os três métodos são: o método de contornos activos segundo Chan e Vese, o método de contornos activos híbrido segundo Shawn Lankton e o método igualmente de contornos activos baseado em regiões segundo o mesmo autor. Esta análise é efectuada através da aplicação de 10 máscaras que servem como contornos iniciais em cada um dos três métodos. Observa-se o comportamento de cada um dos métodos no conjunto de dados analisado, com a aplicação de pré-processamento e sem aplicação de pré-processamento nas imagens, de modo a ser possível concluir qual ou quais os que apresentam melhor e pior comportamento. Uma segunda nalidade do estudo é a proposta de um modelo por parte do autor. Modelo este que se pretende que obtenha melhores resultados em termos de um menor erro de segmentação da região de interesse, em relação aos três metodos base. Este modelo proposto mostra obter melhores resultados após a conjugação de observações de cada método em relação aos resultados de cada método de uma forma isolada.