Cloud-Based NoSQL Open Database of Pulmonary Nodules for Computer-Aided Lung Cancer Diagnosis and Reproducible Research

Ferreira, José Raniery; Oliveira, Marcelo Costa; Azevedo-Marques, Paulo Mazzoncini de

doi:10.1007/s10278-016-9894-9

Cited by 27 publications

(11 citation statements)

References 37 publications

(47 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Uma visão geral da arquitetura usada neste trabalho pode ser vista na Figura 1. Neste trabalho foi utilizado o banco de dados de nódulos pulmonares público desenvolvido por Ferreira Junior [Ferreira Junior et al 2016a], este banco é voltado para a pesquisa reprodutível e contém imagens do Lung Image Database Consortium (LIDC) (Seção 2.1).…”

Section: Metodologiaunclassified

“…Além disso, o LIDC não contém informações a respeito do tamanho do nódulo ou atributos das imagens. Logo, optamos por usar o Banco de Nódulos Pulmonares (BNP) desenvolvido por Ferreira Junior et al [Ferreira Junior et al 2016a]. Este banco utiliza uma abordagem NoSQL orientado a documentos com o MongoDB, onde todas as imagens das lesões foram manualmente segmentadas usando as marcações realizadas pelos radiologistas e então armazenadas no banco de dados.…”

Section: Banco De Nódulos Pulmonaresunclassified

“…Em [Ferreira Junior et al 2016a] os autores propuseram uma base para a pesquisa reprodutível de nódulos malignos e benignos composta por 1944 nódulos associados a atributos radiomics de Textura e Nitidez de Borda. Entretanto, a base proposta pelos autores não possui atributos capazes de caracterizar a intensidade e a forma, que é uma das principais características utilizadas pelo radiologista durante o diagnóstico de nódulos pulmonares.…”

Section: Introductionunclassified

“…Entretanto, a base proposta pelos autores não possui atributos capazes de caracterizar a intensidade e a forma, que é uma das principais características utilizadas pelo radiologista durante o diagnóstico de nódulos pulmonares. Logo, o objetivo deste trabalho foi desenvolver os atributos de forma 3D e intensidade 3D, e avaliar a precisão destes algoritmos quando inseridos ao vetor de atributos radiomics proposto em [Ferreira Junior et al 2016a] no contexto de pesquisa reprodutível.…”

Section: Introductionunclassified

See 3 more Smart Citations

Recuperação de Nódulos Pulmonares por Conteúdo: uma abordagem Radiomics em Pesquisa Reprodutível

Oliveira¹,

Lucena²,

Felix³

2017

Anais Do Simpósio Brasileiro De Computação Aplicada À Saúde (SBCAS)

Self Cite

View full text Add to dashboard Cite

O diagnóstico e o tratamento precoce do câncer de pulmão são formas efetivas de garantir a vida dos pacientes. Contudo, a detecção e classificação dos nódulos pulmonares são tarefas desafiadoras aos especialistas, pois os nódulos são pequenos e apresentam baixo contraste. O objetivo deste trabalho foi avaliar a precisão dos atributos de Forma 3D e Intensidade 3D associados a atributos de Textura 3D e Nitidez de Borda disponíveis no contexto de pesquisa reprodutível. Os atributos formaram um vertor Radiomics de 66 dimensões e foram aplicados à recuperação de imagens por conteúdo. O resultado da precisão do algoritmo foi de 0,841 e 0,803 na recuperação de nódulos benignos e malignos, respectivamente.

show abstract

Section: Metodologiaunclassified

Section: Banco De Nódulos Pulmonaresunclassified

Section: Introductionunclassified

See 2 more Smart Citations

Recuperação de Nódulos Pulmonares por Conteúdo: uma abordagem Radiomics em Pesquisa Reprodutível

Oliveira¹,

Lucena²,

Felix³

2017

Anais Do Simpósio Brasileiro De Computação Aplicada À Saúde (SBCAS)

Self Cite

View full text Add to dashboard Cite

show abstract

“…O diagnóstico do câncer de pulmão é uma tarefa complexa e apresenta grandes desafios, como por exemplo, a detecção de nódulos pequenos em imagens radiológicas. A identificação destas lesões em estágio inicial é uma tarefa complicada porque os nódulos pulmonares podem ser pequenos e estar conectados em estruturas anatômicas complexas (Figura 1) (VASSALLO et al, 2019;FERREIRA JUNIOR;OLIVEIRA;AZEVEDO-MARQUES, 2016;RUBIN et al, 2014). Figura 1: Detecção de tumores em estágio inicial em imagens de tomografia computadorizada: (a-d) apresentam os nódulos e quantos radiologistas de um total de 13 foram capazes de identificar estas lesões.…”

Section: Contextualizaçãounclassified

Arcabouço para Classificação, Recuperação por Conteúdo e Radiômica de Imagens Médicas: uma investigação de biomarcadores quantitativos para o câncer de pulmão

Ferreira¹,

Santos²,

Azevedo-Marques³

View full text Add to dashboard Cite

Arcabouço para Classificação, Recuperação por Conteúdo e Radiômica de Imagens Médicas: uma investigação de biomarcadores quantitativos para o câncer de pulmão São Carlos 2019 1. Câncer de pulmão. 2. Radiômica. 3. Reconhecimento de padrões. 4. Classificação de imagens médicas. 5. Recuperação de imagens baseada em conteúdo. 6. Análise de imagens médicas. I. Título. Eduardo Graziosi Silva -CRB -8/8907 Aos meus pais, Raniery e Magal, pelo amor e pela educação que sempre me deram. À minha esposa, Priscilla, por sua "paxão" e compreensão em todos os momentos. AGRADECIMENTOS À toda a minha família, em especial, meus irmãos, Bruno e Lígia, meus sogros, Junior e Wirlene, e meus cunhados, Anderson e Deysi, pelo apoio dado durante todo o caminho de pós-graduação percorrido. Aos meus orientadores, Paulo, Marcel e Yoshida, pelas oportunidades dadas, pelos ensinamentos e, principalmente, pela paciência. Aos doutores Marcello, Tinós, Alexandre e Federico por todas as valiosas contribuições dadas durante meu período na USP. Aos amigos do LaTIM/UFAL, Marcelo, Lucas, Ailton e Tércio, pelas sugestões e discussões sempre produtivas para a pesquisa. Aos amigos do CCIFMpelos bons momentos de convivência e todo o suporte dado para o desenvolvimento do trabalho. Aos amigos do MGH, Yasuka, Toru e Janne, por todo o auxílio prestado durante meu estágio no exterior de doutorado sanduíche. Ao pessoal da Bioengenharia, Profa Ana Plepis, Marcia e Janete, pela ajuda nos processos burocráticos desde a seleção do doutorado até o depósito da tese. Aos amigos de SP que fiz ou reencontrei, Diógenes, Felipe, Amanda, Samara, Karina, Juninho, Inaê, Danilo e D. Miralda, pela amizade, incentivo e bons momentos compartilhados. Às instituições e programas CAPES (Código de Financiamento 001), USP, PAE, PDSE (processo nº 88881.134004/2016-01), AUCANI, PROAP e FAPESP (processo nº 2016/17078-0), pelas bolsas e apoios financeiros durante todo o curso e pesquisa. E a todos aqueles que me ajudaram direta ou indiretamente, torceram por mim e acreditaram no meu trabalho. "No meio da dificuldade encontra-se a oportunidade." Albert Einstein Palavras-chave: Câncer de pulmão. Radiômica. Reconhecimento de padrões. Classificação de imagens médicas. Recuperação de imagens baseada em conteúdo. Análise de imagens médicas. ABSTRACT FERREIRA JUNIOR, J.R. Framework for Classification, Content-Based Retrieval, and Radiomics of Medical Images: an investigation of quantitative biomarkers for lung cancer. 2019. 183p. Tese (Doutorado) -Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2019.Systems of computer-aided diagnosis (CAD), content-based image retrieval (CBIR), and radiomics have been developed to increase diagnostic accuracy, medical image interpretation consistency, patient prognostic assessment, and therapy decision support. Those tools have great potential to recognize objectively and precisely patterns in images, despite still having several limitations. This work aimed to decrease the feature gap, which refers to inefficient numeric representa...

show abstract

DICOM re‐encoding of volumetrically annotated Lung Imaging Database Consortium (LIDC) nodules

Fedorov

Hancock

Clunie³

et al. 2020

Medical Physics

View full text Add to dashboard Cite

The dataset contains annotations for lung nodules collected by the Lung Imaging Data Consortium and Image Database Resource Initiative (LIDC) stored as standard DICOM objects. The annotations accompany a collection of computed tomography (CT) scans for over 1000 subjects annotated by multiple expert readers, and correspond to "nodules ≥ 3 mm", defined as any lesion considered to be a nodule with greatest in-plane dimension in the range 3-30 mm regardless of presumed histology. The present dataset aims to simplify reuse of the data with the readily available tools, and is targeted towards researchers interested in the analysis of lung CT images. Acquisition and validation methods: Open source tools were utilized to parse the project-specific XML representation of LIDC-IDRI annotations and save the result as standard DICOM objects. Validation procedures focused on establishing compliance of the resulting objects with the standard, consistency of the data between the DICOM and project-specific representation, and evaluating interoperability with the existing tools. Data format and usage notes: The dataset utilizes DICOM Segmentation objects for storing annotations of the lung nodules, and DICOM Structured Reporting objects for communicating qualitative evaluations (nine attributes) and quantitative measurements (three attributes) associated with the nodules. The total of 875 subjects contain 6859 nodule annotations. Clustering of the neighboring annotations resulted in 2651 distinct nodules. The data are available in TCIA at https://doi.org/10.7937/ TCIA.2018.h7umfurq. Potential applications: The standardized dataset maintains the content of the original contribution of the LIDC-IDRI consortium, and should be helpful in developing automated tools for characterization of lung lesions and image phenotyping. In addition to those properties, the representation of the present dataset makes it more FAIR (Findable, Accessible, Interoperable, Reusable) for the research community, and enables its integration with other standardized data collections.

show abstract

Cloud-Based NoSQL Open Database of Pulmonary Nodules for Computer-Aided Lung Cancer Diagnosis and Reproducible Research

Cited by 27 publications

References 37 publications

Recuperação de Nódulos Pulmonares por Conteúdo: uma abordagem Radiomics em Pesquisa Reprodutível

Recuperação de Nódulos Pulmonares por Conteúdo: uma abordagem Radiomics em Pesquisa Reprodutível

Arcabouço para Classificação, Recuperação por Conteúdo e Radiômica de Imagens Médicas: uma investigação de biomarcadores quantitativos para o câncer de pulmão

DICOM re‐encoding of volumetrically annotated Lung Imaging Database Consortium (LIDC) nodules

Contact Info

Product

Resources

About