Segmentação automática 2D de vias aéreas em imagens de tomografia computadorizada do tórax

• Autor(a) principal: Cavalcante,Tarique da Silveira
• Data de Publicação: 2013
• Outros Autores: Cortez,Paulo César, Almeida,Thomaz Maia de, Felix,John Hebert da Silva, Holanda,Marcelo Alcantra
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Revista Brasileira de Engenharia Biomédica (Online)
• Texto Completo: http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1517-31512013000400008
• topic: Segmentação de vias aéreas; Tomografia computadorizada; Método de contornos ativos; Análise de densidades pulmonares

INTRODUÇÃO: Grande parte da população mundial é afetada por doenças pulmonares, como é o caso das broncopatias constituídas pela asma, bronquiectasia e a bronquite. O diagnóstico de broncopatias é baseado no estado das vias aéreas. Neste sentido, a segmentação automática das vias aéreas em imagens de Tomografia Computadorizada (TC) do tórax é uma etapa fundamental para auxílio ao diagnóstico dessas doenças. MÉTODOS: O presente trabalho avalia algoritmos e desenvolve métodos de segmentação automática das vias aéreas 2D. Tais métodos são compostos por algoritmos de detecção de vias aéreas, sendo estes rede neural Multilayer Perceptron (MLP) e Análise de Densidades Pulmonares (ADP), e por algoritmos de segmentação de vias aéreas, sendo estes Crescimento de Região (CR), Método de Contornos Ativos (MCA) Balão e Topológico Adaptativo. RESULTADOS: Os resultados foram obtidos em três etapas: análise comparativa entre os algoritmos de detecção MLP e ADP, com um padrão-ouro adquirido por três médicos com expertise em imagens de TC do tórax; análise comparativa entre algoritmos de segmentação MCA balão, MCA topológico adaptativo, MLP e CR; e avaliação das possíveis combinações entre os algoritmos de detecção e segmentação, resultando no método completo para segmentação automática das vias aéreas em 2D. CONCLUSÃO: A baixa incidência de falso-negativo e a redução significativa de falso-positivo, resulta em coeficiente de similaridade e sensibilidade superior a 91% e 87% respectivamente, para uma combinação dos algoritmos, com qualidade de segmentação satisfatória.