SFPT neural: nova tÃcnica de segmentaÃÃo de fissuras pulmonares baseada em texturas em imagens de tomografia computadorizadas do tÃrax

• Autor(a) principal: Edson Cavalcanti Neto
• Data de Publicação: 2014
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFC
• Texto Completo: http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=14685
• topic: Tomografia computadorizada; Processamento de imagens - TÃcnicas digitais; Redes neurais; pulmonary fissures; Computed Tomography; Digital Image Processing; Neural Networks; ENGENHARIA BIOMEDICA

Entre todos os tipos de cÃncer, o de pulmÃo (CP) à um dos mais comuns de todos os tumores malignos, apresentando aumento de 2% por ano na sua incidÃncia 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, à de fundamental importÃncia para saÃde pÃblica realizar e determinar diagnÃsticos precoces e mais precisos para detectar os estÃgios reais das doenÃas pulmonares. O auxÃlio ao diagnÃstico mostra-se importante tanto do ponto de vista clÃnico quanto em pesquisa. Dentre os fatores que contribuem para isto, pode-se citar o aumento da precisÃo do diagnÃstico do mÃdico especialista à medida que aumenta o nÃmero de informaÃÃes sobre o estado do paciente. Deste modo, certas doenÃas podem ser detectadas precocemente, aumentando as chances de cura. O tratamento inicial para esta doenÃa consiste na lobectomia. Nesse contexto, costuma-se realizar a segmentaÃÃo dos lobos pulmonares em imagens de Tomografia Computadorizada para extrair dados e auxiliar no planejamento da lobectomia. A segmentaÃÃo dos lobos a partir de imagens de TC à geralmente obtida atravÃs da detecÃÃo das fissuras pulmonares. Nesse sentido, com o intuito de obter uma segmentaÃÃo 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 segmentaÃÃo das fissuras utilizando medidas de textura LBP e Redes Neurais Artificiais (RNA). Para a implementaÃÃo do algoritmo foi utilizado uma MLP (Multilayer Perceptron) com 60 entradas, 120 neurÃnios na camada oculta e 2 neurÃnios de saÃda. Os parÃmetros de entrada para a rede foi o histograma LBP do voxel a ser analisado. Para o treinamento da rede foi necessÃrio criar um sistema para identificaÃÃo das classes fissuras e nÃo-fissuras de forma manual, onde o usuÃrio seleciona os pixels da classe fissura e da nÃo-fissura. Para realizar as validaÃÃes do algoritmo foi criado um padrÃo-ouro que foi extraÃdo 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 atà essa definiÃÃo foram testados os tamanhos 11x11, 15x15, 17x17 e 21x21 e os resultados foram comparados utilizando as mÃtricas de Especificidade Es(\%), Coeficiente de Similaridade CS(%), Sensibilidade S(\%), distÃncia mÃdia e desvio padrÃo da distÃncia. A primeira abordagem de anÃlise dos resultados à atravÃs dos voxels}definidos como fissura no final da metodologia proposta. Para a metodologia proposta, detecÃÃo automÃtica utilizando LBP ( extit{Local Binary Pattern}) e MLP, as taxas obtidas foram CS = 96,7%, S = 69,6% e Es = 96,8% para o mÃtodo proposto antes do afinamento e CS = 99,2%, S = 3% e Es = 99,81% para o mÃtodo proposto com o afinamento no fim, considerando a incidÃncia de falsos positivos e falsos negativos. Outra abordagem utilizada na literatura para avaliaÃÃo de mÃtodos de segmentaÃÃo de fissuras à baseado na distÃncia mÃdia 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) atravÃs da abordagem da distÃncia mÃdia entre a fissura segmentada manual e a fissura segmentada de forma automÃtica. O algoritmo proposto com afinamento no final obteve uma menor distÃncia no valor de e um menor desvio padrÃo comparado com o mÃtodo de Lassen(2013). Por fim, sÃo apresentados os resultados da segmentaÃÃo automÃtica das fissuras pulmonares. A baixa incidÃncia de detecÃÃes falso negativas, juntamente com a reduÃÃo significativa de detecÃÃes falso positivas, resultam em taxa de acerto elevada. Conclui-se que a tÃcnica de segmentaÃÃo de fissuras pulmonares à um algoritmo Ãtil para segmentar fissuras pulmonares em imagens de TC, e com o potencial de integrar sistemas que auxiliem o diagnÃstico mÃdico.