Segmentação automática 2D de vias aéreas em imagens de tomografia computadorizada do tórax

Abstract

Resumo Introdução: Grande parte da população mundial é afetada por doenças pulmonares, como é o caso das broncopatias constituídas pela asma, bronquiectasia e a bronquite. O diagnóstico de broncopatias é baseado no estado das vias aéreas. Neste sentido, a segmentação automática das vias aéreas em imagens de Tomografi a Computadorizada (TC) do tórax é uma etapa fundamental para auxílio ao diagnóstico dessas doenças. Métodos: O presente trabalho avalia algoritmos e desenvolve métodos de segmentação automática das vias aéreas 2D. Tais métodos são compostos por algoritmos de detecção de vias aéreas, sendo estes rede neural Multilayer Perceptron (MLP) e Análise de Densidades Pulmonares (ADP), e por algoritmos de segmentação de vias aéreas, sendo estes Crescimento de Região (CR), Método de Contornos Ativos (MCA) Balão e Topológico Adaptativo. Resultados: Os resultados foram obtidos em três etapas: análise comparativa entre os algoritmos de detecção MLP e ADP, com um padrão-ouro adquirido por três médicos com expertise em imagens de TC do tórax; análise comparativa entre algoritmos de segmentação MCA balão, MCA topológico adaptativo, MLP e CR; e avaliação das possíveis combinações entre os algoritmos de detecção e segmentação, resultando no método completo para segmentação automática das vias aéreas em 2D. Conclusão: A baixa incidência de falso-negativo e a redução signifi cativa de falso-positivo, resulta em coefi ciente de similaridade e sensibilidade superior a 91% e 87% respectivamente, para uma combinação dos algoritmos, com qualidade de segmentação satisfatória. Palavras-chave Segmentação de vias aéreas, Tomografi a computadorizada, Método de contornos ativos, Análise de densidades pulmonares. Automatic 2D segmentation of airways in thorax computed tomography images Abstract Introduction: Much of the world population is affected by pulmonary diseases, such as the bronchial asthma, bronchitis and bronchiectasis. The bronchial diagnosis is based on the airways state. In this sense, the automatic segmentation of the airways in Computed Tomography (CT) scans is a critical step in the aid to diagnosis of these diseases. Methods: This paper evaluates algorithms for airway automatic segmentation, using Neural Network Multilayer Perceptron (MLP) and Lung Densities Analysis (LDA) for detecting airways, along with Region Growing (RG), Active Contour Method (ACM) Balloon and Topology Adaptive to segment them. Results: We obtained results in three stages: comparative analysis of the detection algorithms MLP and LDA, with a gold standard acquired by three physicians with expertise in CT imaging of the chest; comparative analysis of segmentation algorithms ACM Balloon, ACM Topology Adaptive, MLP and RG; and evaluation of possible combinations between segmentation and detection algorithms, resulting in the complete method for automatic segmentation of the airways in 2D. Conclusion: The low incidence of false negative and the signifi cant reduction of false positive, results in similarity coeffi cient and sensitivity exceeding 91...

Modelo de Contorno Ativo Crisp Adaptativo 2D aplicado na segmentação dos pulmões em imagens de TC do tórax de voluntários sadios e pacientes com enfisema pulmonar

“…as quais E int adap é a energia interna adaptativa e E ext CRAD é a energia externa Crisp Adaptativa. Esta nova energia interna proposta do MCA Crisp Adaptativo 2D visa superar as limitações dos demais MCAs na segmentação de objetos com formas tubulares, saliências e bifurcações, além de suprir a dependência de inicialização próxima às bordas (Cavalcante, 2010;Rebouças Filho, 2010). Neste sentido, o MCA Crisp Adaptativo 2D propõe uma nova energia interna dada por…”

“…Isto acontece, no primeiro caso, pela identificação das bordas das estruturas internas do pulmão como bordas pulmonares. Exemplo destas estruturas internas são veias, artérias e vias áreas (Cavalcante, 2010). Já no segundo caso, doenças pulmonares ou ruídos podem distorcer as densidades radiológicas expressas em Unidade Hounsfield (UH) dos pulmões (Félix, 2011).…”