Segmentação Automática de Candidatos a Nódulos Pulmonares em Imagens de Tomografia Computadorizada
Resumo
Este trabalho apresenta um algoritmo para segmentação automática de candidatos a nódulos pulmonares em imagens de Tomografia Computadorizada do tórax. A metodologia empregada inclui aquisição das imagens, eliminação de ruídos, segmentação do parênquima pulmonar e segmentação dos candidatos a nódulos pulmonares. O uso do filtro wiener e a aplicação do limiar ideal garante ao algoritmo uma melhora significativa nos resultados, permitindo detectar um maior número de nódulos nas imagens. Os testes foram realizados utilizando um conjunto de imagens da base LIDC-IDRI, contendo 708 nódulos. Os resultados do teste mostraram que o algoritmo localizou 93,08% dos nódulos considerados.
Referências
Armato III, S. G.; et al. (2010) “Comparing and combining algorithms for computer-aided detection of pulmonary nodules in computed tomography scans: The ANODE09 study”, Medical Image Analysis, p. 707-722.
Carvalho Filho, A. O. de. (2013) “Detecção automática de nódulos pulmonares solitários usando quality threshold clustering e mvr”, Dissertação de Mestrado na área de Ciência da Computação, (Programa de Pós-Graduação em Engenharia de Eletricidade), Universidade Federal do Maranhão, São Luís.
Instituto Nacional do Câncer – INCA (2015), Mistério da Saúde, Câncer de pulmão, http://www2.inca.gov.br/wps/wcm/connect/tiposdecancer/site/home/pulmao/definicao, abril.
Jacobs, C.; Rikxoort, E.M.V.; Twellmann, T.; Scholten, E. Th.; Jong, P. A.; De. Kuhnigk, J. M.; Oudkerk, M.; Koning, H. J.; De Prokop, M.; Prokop, C. S.; Ginneken, B. V.(2013) “Automatic detection of subsolid pulmonary nodules in thoracic computed tomography images”, Medical Image Analysis, p. 374-384.
Lee, S. L. A.; Kousani, A. Z.; Hu, E. J. (2012) “Automated detection of lung nodules in computed tomography images: review”, Mach.Vis.Appl.23 (1), p. 151–163.
Ma. L.; Liu, X.; Song, L.; Zhou, C.; Zhao, X., Zhao, Y. (2015) “A new classifier fusion method based on historical and on-line classification reliability for recognizing common CT imaging signs of lung diseases”, Computerized Medical Imaging and Graphics 40, p. 39-48.
Messay, T.; Hardie, R. C.; Tuinstra, T. R. (2015) “Segmentation of pulmonary nodules in computed tomography using a regression neural network approach and its application to the Lung Image Database Consortium and Image Database Resource Initiative dataset”, Medical Image Analysis, p.48-62.
Netto, S. M. B; Silva, A. C; Nunes, R. A; Gattass, M. (2012) “Automatic segmentation of lung nodules with growing neural gas and support vector machine”, Computers in Biology and Medicine 42, p. 1110–1121.
Ramalho, G. L. B.; Filho, P. P. R.; Medeiros, F. N. S.; Cortez, P. C. (2014) “Lung disease detection using feature extraction and extreme learning machine”, Revista Brasileira de Engenharia Biomédica, p. 207-214.
Santos, A. M.; Filho, A. O. C.; Silva, A. C.; Paiva, A. C.; Nunes, R. A.; Gattass, M. (2014) “Automatic detection of small lung nodules in 3D CT data using Gaussian mixture models, Tsallis entropy and SVM”, Engineering Applications of Artificial Intelligence 36, p. 27-39.
Shao, H.; Cao, L.; Liu, Y. (2012) “A detection approach for solitary pulmonary nodules based on CT images”, 2nd International Conference on Computer Science and Network Technology (ICCSNT).
Shen, S.; Bui, A. A. T.; Cong, J.; Hsu, W. (2015) “An automated lung segmentation approach using bidirectional chain codes to improve nodule detection accuracy”, Computers in Biology Medicine 57, p. 139-149.
Vivanti, R.; Joskowicz, L.; Karaaslan, O. A.; Sosna, J. (2015) “Automatic lung tumor segmentation with leaks removal in follow-up CT studies”, Int J CARS.
Zhou, S.; Cheng, Y.; Tamura, S. (2014) “Automated lung segmentation and smoothing techniques for inclusion of juxtapleural nodules and pulmonar vessels on chest CT images”, Biomedical Signal Processing and Control, p. 62-70.
Carvalho Filho, A. O. de. (2013) “Detecção automática de nódulos pulmonares solitários usando quality threshold clustering e mvr”, Dissertação de Mestrado na área de Ciência da Computação, (Programa de Pós-Graduação em Engenharia de Eletricidade), Universidade Federal do Maranhão, São Luís.
Instituto Nacional do Câncer – INCA (2015), Mistério da Saúde, Câncer de pulmão, http://www2.inca.gov.br/wps/wcm/connect/tiposdecancer/site/home/pulmao/definicao, abril.
Jacobs, C.; Rikxoort, E.M.V.; Twellmann, T.; Scholten, E. Th.; Jong, P. A.; De. Kuhnigk, J. M.; Oudkerk, M.; Koning, H. J.; De Prokop, M.; Prokop, C. S.; Ginneken, B. V.(2013) “Automatic detection of subsolid pulmonary nodules in thoracic computed tomography images”, Medical Image Analysis, p. 374-384.
Lee, S. L. A.; Kousani, A. Z.; Hu, E. J. (2012) “Automated detection of lung nodules in computed tomography images: review”, Mach.Vis.Appl.23 (1), p. 151–163.
Ma. L.; Liu, X.; Song, L.; Zhou, C.; Zhao, X., Zhao, Y. (2015) “A new classifier fusion method based on historical and on-line classification reliability for recognizing common CT imaging signs of lung diseases”, Computerized Medical Imaging and Graphics 40, p. 39-48.
Messay, T.; Hardie, R. C.; Tuinstra, T. R. (2015) “Segmentation of pulmonary nodules in computed tomography using a regression neural network approach and its application to the Lung Image Database Consortium and Image Database Resource Initiative dataset”, Medical Image Analysis, p.48-62.
Netto, S. M. B; Silva, A. C; Nunes, R. A; Gattass, M. (2012) “Automatic segmentation of lung nodules with growing neural gas and support vector machine”, Computers in Biology and Medicine 42, p. 1110–1121.
Ramalho, G. L. B.; Filho, P. P. R.; Medeiros, F. N. S.; Cortez, P. C. (2014) “Lung disease detection using feature extraction and extreme learning machine”, Revista Brasileira de Engenharia Biomédica, p. 207-214.
Santos, A. M.; Filho, A. O. C.; Silva, A. C.; Paiva, A. C.; Nunes, R. A.; Gattass, M. (2014) “Automatic detection of small lung nodules in 3D CT data using Gaussian mixture models, Tsallis entropy and SVM”, Engineering Applications of Artificial Intelligence 36, p. 27-39.
Shao, H.; Cao, L.; Liu, Y. (2012) “A detection approach for solitary pulmonary nodules based on CT images”, 2nd International Conference on Computer Science and Network Technology (ICCSNT).
Shen, S.; Bui, A. A. T.; Cong, J.; Hsu, W. (2015) “An automated lung segmentation approach using bidirectional chain codes to improve nodule detection accuracy”, Computers in Biology Medicine 57, p. 139-149.
Vivanti, R.; Joskowicz, L.; Karaaslan, O. A.; Sosna, J. (2015) “Automatic lung tumor segmentation with leaks removal in follow-up CT studies”, Int J CARS.
Zhou, S.; Cheng, Y.; Tamura, S. (2014) “Automated lung segmentation and smoothing techniques for inclusion of juxtapleural nodules and pulmonar vessels on chest CT images”, Biomedical Signal Processing and Control, p. 62-70.
Publicado
20/07/2015
Como Citar
DE MOURA, Maria; DE SOUSA, Alcilene; DE OLIVEIRA, Ivo; MESQUITA, Laércio; DRUMOND, Patrícia.
Segmentação Automática de Candidatos a Nódulos Pulmonares em Imagens de Tomografia Computadorizada. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 15. , 2015, Recife.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2015
.
p. 131-140.
ISSN 2763-8952.
DOI: https://doi.org/10.5753/sbcas.2015.10373.
