Método robusto de segmentação automática do tecido pulmonar em radiografia de tórax combinando técnicas de realce, morfologia e contornos ativos
Data
2019-02-14
Autores
Vital, Daniel Aparecido 
Orientadores
Moraes, Matheus Cardoso
Tipo
Dissertação de mestrado
Título da Revista
ISSN da Revista
Título de Volume
Resumo
Statistical data reveal that approximately 140 million radiological exams are performed annually in Brazil. About 30% of these tests are performed to detect and analyze fractures caused by different types of trauma, and to diagnose pulmonary diseases. For better visualization of those lesions or abnormalities, methods of image segmentation can be implemented. Such methods lead to the separation of the region of interest, which allows extracting the characteristics and anomalies of the desired tissue. However, the methods developed by researchers in this area still have restrictions. Consequently, we present an automatic pulmonary segmentation approach that overcomes these constraints. This method is composed of a combination of Discrete Wavelet Packet Frame (DWPF), morphological operations and Gradient Vector Flow (GVF). The methodology is divided into four steps. Pre-processing stage, where the original image is enhanced by discrete wavelet. Processing stage, it a combination of the Otsu threshold with a series of morphological operations in order to identify the pulmonary object. After, Post-processing stage, where an innovative form of using GVF improves the binary information of pulmonary tissue. Finally, Evaluation stage where segmented images were evaluated for accuracy of detection the pulmonary region and border. The evaluation was carried out by segmenting 247 digital X-ray challenging images of the thorax human. The resulting high accuracy can be evaluated by the values of Overlap (%) = 97.63±3.34, and Average Contour Distance (ACD) (mm) = 0.69±0.95. The results allow verifying that the proposed model is robust and more accurate than other methods of automatic pulmonary segmentation in chest X-ray images present in the literature.
Dados estatísticos revelam que aproximadamente 140 milhões de exames radiológicos são realizados anualmente no Brasil. Cerca de 30% desses exames são realizados para detectar e analisar fraturas causadas por diferentes tipos de trauma, e diagnosticar patologias pulmonares. Para a melhor visualização dessas lesões ou anormalidades, métodos de segmentação pulmonar podem ser implementados para auxiliarem na identificação do tecido em imagens de radiografia de tórax. Estes métodos levam à separação da região de interesse, permitindo extrair as características e auxiliar no diagnóstico de anomalias no tecido pulmonar. Contudo, os métodos de segmentação pulmonar em radiografia de tórax desenvolvidos pelos pesquisadores nessa área ainda apresentam restrições. Consequentemente, o objetivo desse trabalho é apresentar um novo método automático de segmentação pulmonar que supera essas restrições. Este método é composto de uma combinação Transformada de Wavelet Digital (TWD), Binarização por Otsu, operações morfológicas e Gradient Vector Flow (GVF). A metodologia é dividida em quatro etapas. Etapa de pré-processamento, onde a imagem original é realçada utilizando Wavelets digitais. A etapa de processamento, onde ocorre uma combinação da binarização através do limiar ótimo obtido pelo método de Otsu com uma série de operações morfológicas, a fim de identificar o objeto pulmonar. Em seguida, a etapa de pós-processamento, onde uma forma inovadora de usar GVF refina a informação do objeto binário referente ao tecido pulmonar, principalmente quanto ao detalhamento das bordas dos pulmões. Finalmente, a etapa de avaliação, onde imagens segmentadas foram avaliadas quanto à acurácia da detecção da região e da borda pulmonar. A avaliação foi realizada através da segmentação de 247 imagens desafiadoras de radiografias do tórax humano. A alta precisão resultante pode ser avaliada pelos valores de “Overlap” (OR) (%) = 97,63 ± 3,34 e “Average Contour Distance” (ACD) (mm) = 0,69 ± 0,95. Assim, pode ser verificado que o modelo proposto é robusto e mais acurado que outros métodos de segmentação pulmonar automático em imagens de radiografia de tórax presentes na literatura.
Dados estatísticos revelam que aproximadamente 140 milhões de exames radiológicos são realizados anualmente no Brasil. Cerca de 30% desses exames são realizados para detectar e analisar fraturas causadas por diferentes tipos de trauma, e diagnosticar patologias pulmonares. Para a melhor visualização dessas lesões ou anormalidades, métodos de segmentação pulmonar podem ser implementados para auxiliarem na identificação do tecido em imagens de radiografia de tórax. Estes métodos levam à separação da região de interesse, permitindo extrair as características e auxiliar no diagnóstico de anomalias no tecido pulmonar. Contudo, os métodos de segmentação pulmonar em radiografia de tórax desenvolvidos pelos pesquisadores nessa área ainda apresentam restrições. Consequentemente, o objetivo desse trabalho é apresentar um novo método automático de segmentação pulmonar que supera essas restrições. Este método é composto de uma combinação Transformada de Wavelet Digital (TWD), Binarização por Otsu, operações morfológicas e Gradient Vector Flow (GVF). A metodologia é dividida em quatro etapas. Etapa de pré-processamento, onde a imagem original é realçada utilizando Wavelets digitais. A etapa de processamento, onde ocorre uma combinação da binarização através do limiar ótimo obtido pelo método de Otsu com uma série de operações morfológicas, a fim de identificar o objeto pulmonar. Em seguida, a etapa de pós-processamento, onde uma forma inovadora de usar GVF refina a informação do objeto binário referente ao tecido pulmonar, principalmente quanto ao detalhamento das bordas dos pulmões. Finalmente, a etapa de avaliação, onde imagens segmentadas foram avaliadas quanto à acurácia da detecção da região e da borda pulmonar. A avaliação foi realizada através da segmentação de 247 imagens desafiadoras de radiografias do tórax humano. A alta precisão resultante pode ser avaliada pelos valores de “Overlap” (OR) (%) = 97,63 ± 3,34 e “Average Contour Distance” (ACD) (mm) = 0,69 ± 0,95. Assim, pode ser verificado que o modelo proposto é robusto e mais acurado que outros métodos de segmentação pulmonar automático em imagens de radiografia de tórax presentes na literatura.