???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/473
Tipo do documento: Dissertação
Título: DETECÇÃO DE NÓDULOS PULMONARES PEQUENOS USANDO MODELO DE MISTURA GAUSSIANA E MATRIZ HESSIANA
Título(s) alternativo(s): DETECTION OF SMALL LUNG NODULES USING MODEL OF GAUSSIAN MIXTURE AND THE HESSIAN MATRIX
Autor: Santos, Alex Martins 
Primeiro orientador: SILVA, Aristófanes Corrêa
Primeiro coorientador: Paiva, Anselmo Cardoso
Resumo: Dentre os outros tipos de câncer, o câncer de pulmão se destaca por apresentar a maior incidência e a maior taxa de mortalidade de todos, além de uma das menores taxas de sobrevida após o diagnóstico (cinco anos em média), fato este decorrido principalmente pela detecção e, conseqüentemente, tratamento tardio. Para auxiliar o especialista na busca e identificação de nódulos e alterações em imagens tomográficas são desenvolvidos sistemas de detecção auxiliados por computador (CAD) que visam automatizar os trabalhos de identificação e classificação de dessas estruturas. O presente trabalho tem por objetivo o estudo e desenvolvimento de uma metodologia para detecção automática de nódulos pulmonares pequenos (maiores que dois milímetros e menores que 10 milímetros de diâmetro). A metodologia proposta se baseia em técnicas de processamento de imagens e reconhecimento de padrões. Algumas dessas técnicas são amplamente utilizadas em aplicações similares, já outras técnicas utilizadas provêm de outras áreas e aplicações, como é o caso das medidas de entropia de Tsallis e Shannon, utilizados neste trabalho para descrever estruturas suspeitas. Estas medidas provém respectivamente da mecânica estatística e da Teoria da Informação, porém ultimamente tem sido aplicadas com sucesso no processamento de imagens. Também foi empregado o Modelo de Misturas Gaussianas (GMM) e o cálculo da matriz Hessiana para separar as estruturas internas do pulmão do restante do parênquima. Resultados promissores foram encontrados, em teste com 140 exames divididos em 80% para treino e 20% para testes, alcançou-se uma sensibilidade de 79% e um total de 1,17 falsos positivos por fatia.
Abstract: Lung cancer stands out by pointing the highest incidence and higher mortality rate of all other types of cancer. It has one of the lower survival rates of after diagnosis, which is mainly due to late detection and therefore delayed treatment. Computer-aided detection systems (CAD) are developed to assist the specialist in the search and identification of nodules and changes in CT. These systems respectively aim to automate the identification and classification of these structures. This work aims to study and develop a methodology for automatic detection of small lung nodules (bigger than 2 mm and smaller than 10 mm in diameter). The proposed methodology is based on techniques of image processing and pattern recognition. Similar applications use widely some of these techniques. The proposed methodology also uses other techniques from different areas and applications, such as measures of the Tsallis and Shannon entropy used in this study to describe suspected structures. These measures are respectively provided from statistical mechanics and information theory, however lately they have been successfully applied in image processing. It was also used the Gaussian mixture model (GMM) and the Hessian matrix calculation to separate the internal structures of the remaining lung parenchyma. Promising results were found in tests with 140 exams divided in of 80% for training and 20% for testing. It was achieved a 79% of sensitivity rate and a total of 1.17 false positives per slice.
Palavras-chave: Processamento de Imagens
Tomografia Computadorizada
Detecção de Nódulos Pulmonares Pequenos
Image Processing
Computer Tomography
Small Lung Nodule Detection
Área(s) do CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
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: SANTOS, Alex Martins. DETECTION OF SMALL LUNG NODULES USING MODEL OF GAUSSIAN MIXTURE AND THE HESSIAN MATRIX. 2011. 82 f. Dissertação (Mestrado em Engenharia) - Universidade Federal do Maranhão, São Luís, 2011.
Tipo de acesso: Acesso Aberto
URI: http://tedebc.ufma.br:8080/jspui/handle/tede/473
Data de defesa: 19-Aug-2011
Appears in Collections:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Files in This Item:
File SizeFormat 
dissertacao Alex Martins Santos.pdf5,67 MBAdobe PDFDownload/Open Preview


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