Metodologia Automática para Aplicação de Métodos Quantitativos em Imagens de Cintilografia Renal Dinâmica
Resumo
Em imagens de cintilografia renal, métodos quantitativos são aplicados para estudo das funções do rins. No processamento destes exames, o especialista deve definir regiões de interesse (ROI) dos rins que são feitas em geral manualmente ou semi-automático. Este artigo propõe um método automático para segmentação de ROIs de um exame de cintilografia renal dinâmica produzidas pelo radiotraçador 99m-TC-DTPA. Os resultados obtidos foram comparados com os dos métodos tradicionais. Para os pixels das ROIs as taxas de verdadeiro positivo, falso positivo e falso negativo foram de 95.33%, 10.37% e 4.67% respectivamente. Avaliamos também estimação da taxa de filtração glomerular para estes ROIs segmentados automaticamente. O coeficiente correlação foi de 0.95 e raiz do erro quadrático médio de 3.88.Referências
Gates, G. (1982). Glomerular filtration rate: estimation from fractional renal accumulation of 99mtc-dtpa (stannous). American Journal of Roentgenology, 138(3):565–570.
Lin, K.-J., Huang, J.-Y., and Chen, Y.-S. (2011). Fully automatic region of interest selection in glomerular filtration rate estimation from 99m tc-dtpa renogram. Journal of Digital Imaging, 24(6):1010–1023.
Ma, X., Wan, W., and Yao, J. (2008). Texture image segmentation on improved watershed and multiway spectral clustering. In Audio, Language and Image Processing, 2008. ICALIP 2008. International Conference on, pages 1693–1697. IEEE.
Malladi, R. and Sethian, J. A. (1995). Image processing via level set curvature flow. proceedings of the National Academy of sciences, 92(15):7046–7050.
Powsner, R. A., Powsner, E. R., and Powsner, E. R. (2006). Essential nuclear medicine physics. Blackwell Pub.
Prigent, A., Cosgriff, P., Gates, G. F., Graneurs, G., Fine, E. J., Itoh, K., Peters, M., Piepsz, A., Rehling, M., Rutland, M., et al. (1999). Consensus report on quality control of quantitative measurements of renal function obtained from the renogram: International consensus committee from the scientific committee of radionuclides in nephrourology. In Seminars in nuclear medicine, volume 29, pages 146–159. Elsevier.
Ståhl, D., Åström, K., Overgaard, N., Landgren, M., Sjöstrand, K., and Edenbrandt, L. (2011). Automatic compartment modelling and segmentation for dynamical renal scintigraphies. Image Analysis, pages 557–568.
Von Luxburg, U. (2007). A tutorial on spectral clustering. Statistics and computing, 17(4):395–416.
Yan, D., Huang, L., and Jordan, M. I. (2009). Fast approximate spectral clustering. In Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining, pages 907–916. ACM.
Lin, K.-J., Huang, J.-Y., and Chen, Y.-S. (2011). Fully automatic region of interest selection in glomerular filtration rate estimation from 99m tc-dtpa renogram. Journal of Digital Imaging, 24(6):1010–1023.
Ma, X., Wan, W., and Yao, J. (2008). Texture image segmentation on improved watershed and multiway spectral clustering. In Audio, Language and Image Processing, 2008. ICALIP 2008. International Conference on, pages 1693–1697. IEEE.
Malladi, R. and Sethian, J. A. (1995). Image processing via level set curvature flow. proceedings of the National Academy of sciences, 92(15):7046–7050.
Powsner, R. A., Powsner, E. R., and Powsner, E. R. (2006). Essential nuclear medicine physics. Blackwell Pub.
Prigent, A., Cosgriff, P., Gates, G. F., Graneurs, G., Fine, E. J., Itoh, K., Peters, M., Piepsz, A., Rehling, M., Rutland, M., et al. (1999). Consensus report on quality control of quantitative measurements of renal function obtained from the renogram: International consensus committee from the scientific committee of radionuclides in nephrourology. In Seminars in nuclear medicine, volume 29, pages 146–159. Elsevier.
Ståhl, D., Åström, K., Overgaard, N., Landgren, M., Sjöstrand, K., and Edenbrandt, L. (2011). Automatic compartment modelling and segmentation for dynamical renal scintigraphies. Image Analysis, pages 557–568.
Von Luxburg, U. (2007). A tutorial on spectral clustering. Statistics and computing, 17(4):395–416.
Yan, D., Huang, L., and Jordan, M. I. (2009). Fast approximate spectral clustering. In Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining, pages 907–916. ACM.
Publicado
23/07/2013
Como Citar
SANTOS, Wallas H. S.; LEITE, Bruno M. C.; SILVA, Aristófanes C.; FREIRE, Thiago P.; PAIVA, Anselmo C..
Metodologia Automática para Aplicação de Métodos Quantitativos em Imagens de Cintilografia Renal Dinâmica. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 13. , 2013, Maceió/AL.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2013
.
p. 1174-1183.
ISSN 2763-8952.
