???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tedebc.ufma.br/jspui/handle/tede/tede/431
Tipo do documento: Dissertação
Título: SEGMENTAÇÃO AUTOMÁTICA DE NÓDULOS PULMONARES COM GROWING NEURAL GAS E MÁQUINA DE VETORES DE SUPORTE
Título(s) alternativo(s): AUTOMATIC SEGMENTATION OF PULMONARY NODULES WITH GROWING NEURAL GAS VECTOR MACHINE AND SUPPORT
Autor: Netto, Stelmo Magalhães Barros
Primeiro orientador: SILVA, Aristófanes Corrêa
Resumo: O câncer de pulmão ainda é um dos mais incidentes em todo mundo. Seu diagnóstico é de difícil realização, devido as suas características morfológicas iniciais não estarem bem definidas e também por causa da sua localização em relação ao pulmão. É geralmente detectado tardiamente, que tem como conseqüência uma alta taxa de letalidade. Diante destas dificuldades muitas pesquisas são realizadas, tanto em relação a sua detecção, quanto a seu diagnóstico. O objetivo deste trabalho é propor uma metodologia de detecção automática do nódulo pulmonar com o auxílio do computador. O ganho com o desenvolvimento desta metodologia, é que sua implementação auxiliará ao médico na detecção simultânea dos diversos nódulos presentes nas imagens de tomografia computadorizada. A metodologia de detecção de nódulos pulmonares desenvolvida envolve a utilização de um método da aprendizagem competitiva, chamado de Growing Neural Gas (GNG). A metodologia ainda consiste na redução do volume de interesse, através de técnicas amplamente utilizadas na extração do tórax, extração do pulmão e reconstrução. A etapa seguinte é a aplicação do GNG no volume de interesse resultante, que em conjunto com a separação do nódulo das diversas estruturas presentes formam a etapa de segmentação, e por fim, é realizada a classificação das estruturas em nódulo e não-nódulo, por meio das medidas de geometria e textura. A metodologia garante que nódulos com tamanho razoável sejam encontrados com sensibilidade de 86%, especificidade de 91%, que resulta em uma acurácia de 91%, em média, para dez experimentos de treino e teste, em uma amostra de 48 nódulos ocorridos em 29 exames. A taxa de falsos positivos por exame foi de 0,138, para os 29 exames analisados.
Abstract: Lung cancer is still one of the most frequent types throughout the world. Its diagnosis is very difficult because its initial morphological characteristics are not well defined, and also because of its location in relation to the lung. It is usually detected late, fact that causes a large lethality rate. Facing these difficulties, many researches are done, concerning both detection and diagnosis. The objective of this work is to propose a methodology for computer-aided automatic lung nodule detection. The return of the development of such methodology is that its application will aid the doctor in the simultaneous detection of several nodules present in computerized tomography images. The methodology developed for automatic detection of lung nodules involves the use of a method of competitive learning, called Growing Neural Gas (GNG). The methodology still consists in the reduction of the volume of interest, by the use of techniques largely used in thorax extraction, lung extraction and reconstruction. The next stage is the application of the GNG in the resulting volume of interest, that together with the separation of the nodules from the various structures present in the lung form the segmentation stage, and, finally, through texture and geometry measurements, the classification as either nodule or non-nodule is performed. The methodology guarantees that nodules of reasonable size are found with sensibility of 86%, specificity of 91%, what results in accuracy of 91%, in average, for ten training and test experiments, in a sample of 48 nodules occurring in 29 exams. The false-positive per exam rate was of 0.138, for the 29 analyzed exams.
Palavras-chave: Detecção auxiliada por computador (CAD)
Nódulo pulmonar
Growing Neural Gas (GNG)
Tomografia computadorizada
Computer-aided detection (CAD)
Lung nodule
Growing Neural Gas (GNG)
Computerized tomography
Área(s) do CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::MATEMATICA DA COMPUTACAO::MODELOS ANALITICOS E DE SIMULACAO
Idioma: por
País: BR
Instituição: Universidade Federal do Maranhão
Sigla da instituição: UFMA
Departamento: Engenharia
Programa: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
Citação: NETTO, Stelmo Magalhães Barros. AUTOMATIC SEGMENTATION OF PULMONARY NODULES WITH GROWING NEURAL GAS VECTOR MACHINE AND SUPPORT. 2010. 90 f. Dissertação (Mestrado em Engenharia) - Universidade Federal do Maranhão, São Luis, 2010.
Tipo de acesso: Acesso Aberto
URI: http://tedebc.ufma.br:8080/jspui/handle/tede/431
Data de defesa: 10-Feb-2010
Appears in Collections:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Files in This Item:
File SizeFormat 
Stelmo Magalhaes Barros Netto.pdf2,7 MBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.