Análise Comparativa do Tamanho do Padrão Binário Local para Segmentação de Fissura Pulmonar
DOI:
https://doi.org/10.59681/2175-4411.v15.iEspecial.2023.1109Palavras-chave:
Fissura pulmonar, Texturas LBP, Redes Neural ArtificialResumo
Com o intuito de obter uma segmentação da fissura pulmonar mais eficaz, o presente trabalho possui o objetivo de realizar a segmentação das fissuras utilizando medidas de textura LBP e Redes Neurais Artificiais. Para a implementação do algoritmo foi utilizado uma MLP (Multilayer Perceptron). Para realizar as validações do algoritmo foi criado um padrão-ouro extraído um total de 100 imagens de 5 exames do banco de dados LOLA11. Para o conjunto de imagens testadas, o classificador obteve um melhor desempenho quando o tamanho, 15x15 pixels, da janela foi utilizado para gerar o histograma do LBP. A baixa incidência de detecções falso negativas, juntamente com a redução de detecções falso positivas, resulta em taxa de acerto elevada. Conclui-se que a técnica de segmentação de fissuras pulmonares é um algoritmo útil para segmentar fissuras pulmonares em imagens de TC, e com o potencial de integrar sistemas que auxiliem o diagnóstico médico.
Referências
Guo Z, Zhang L, Zhang D. A completed modeling of local binary pattern operator for texture classification. IEEE transactions on image processing. 2010 Mar 8;19(6):1657-63.
Haykin S. Neural networks and learning machines, 3/E. Pearson Education India; 2009 Nov.
Kuhnigk JM. Quantitative analysis of lung morphology and function in computed tomographic images (Doctoral dissertation, Universität Bremen).
Lassen B, van Rikxoort EM, Schmidt M, Kerkstra S, van Ginneken B, Kuhnigk JM. Automatic segmentation of the pulmonary lobes from chest CT scans based on fissures, vessels, and bronchi. IEEE transactions on medical imaging. 2012 Sep 20;32(2):210-22.
Li B, Christensen GE, Hoffman EA, McLennan G, Reinhardt JM. Establishing a normative atlas of the human lung: intersubject warping and registration of volumetric CT images. Academic radiology. 2003 Mar 1;10(3):255-65.
Murata N, Yoshizawa S, Amari SI. Network information criterion-determining the number of hidden units for an artificial neural network model. IEEE transactions on neural networks. 1994 Nov;5(6):865-72.
Ojala T, Pietikainen M, Maenpaa T. Multiresolution gray-scale and rotation invariant texture classification with local binary patterns. IEEE Transactions on pattern analysis and machine intelligence. 2002 Aug 7;24(7):971-87.
Pu J, Leader JK, Zheng B, Knollmann F, Fuhrman C, Sciurba FC, Gur D. A computational geometry approach to automated pulmonary fissure segmentation in CT examinations. IEEE transactions on medical imaging. 2008 Dec 9;28(5):710-9.
Ritter F, Boskamp T, Homeyer A, Laue H, Schwier M, Link F, Peitgen HO. Medical image analysis. IEEE pulse. 2011 Dec 1;2(6):60-70.
Suter BW. The multilayer perceptron as an approximation to a Bayes optimal discriminant function. IEEE transactions on neural networks. 1990 Dec;1(4):291.
Sato Y, Westin CF, Bhalerao A, Nakajima S, Shiraga N, Tamura S, Kikinis R. Tissue classification based on 3D local intensity structures for volume rendering. IEEE Transactions on visualization and computer graphics. 2000 Apr;6(2):160-80.
van Rikxoort EM, van Ginneken B, Klik M, Prokop M. Supervised enhancement filters: Application to fissure detection in chest CT scans. IEEE transactions on medical imaging. 2007 Dec 26;27(1):1-0.
Wang J, Betke M, Ko JP. Pulmonary fissure segmentation on CT. Medical Image Analysis. 2006 Aug 1;10(4):530-47.
Wiemker R, Bülow T, Blaffert T. Unsupervised extraction of the pulmonary interlobar fissures from high resolution thoracic CT data. InInternational Congress Series 2005 May 1 (Vol. 1281, pp. 1121-1126). Elsevier.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Edson Cavalcanti Neto, Darlan Almeida Barroso, Tarique Cavalcante, Thomaz Maia de Almeida, Alyson Bezerra Ribeiro, Paulo Cézar Cortez, André Cristiano de Souza, Jessyca Almeida Bessa
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
A submissão de um artigo ao Journal of Health Informatics é entendida como exclusiva e que não está sendo considerada para publicação em outra revista. A permissão dos autores para a publicação de seu artigo no J. Health Inform. implica na exclusiva autorização concedida aos editores para incluí-lo na revista. Ao submeter um artigo, ao autor será solicitada a permissão eletrônica de um Termo de Transferência de Direitos Autorais. Uma mensagem eletrônica será enviada ao autor correspondente confirmando o recibo do manuscrito e o aceite da Declaração de Direito Autoral.
