Análisis Comparativo del Tamaño del Estándar Binario Local para Segmentación de Fisura Pulmonar
DOI:
https://doi.org/10.59681/2175-4411.v15.iEspecial.2023.1109Palabras clave:
Fisura pulmonar, Textura LBP, redes neuronales artificialesResumen
Para obtener una segmentación más efectiva de la fisura pulmonar, el presente trabajo tiene como objetivo realizar la segmentación de las fisuras utilizando medidas de textura LBP y Redes Neuronales Artificiales. Para la implementación del algoritmo se utilizó un MLP (Perceptrón Multicapa). Para realizar las validaciones del algoritmo se creó un estándar de oro extrayendo un total de 100 imágenes de 5 exámenes de la base de datos LOLA11. Para el conjunto de imágenes probadas, el clasificador funcionó mejor cuando se utilizó el tamaño de ventana, 15x15 píxeles, para generar el histograma LBP. La baja incidencia de las detecciones de falsos negativos junto con la reducción de las detecciones de falsos positivos da como resultado una alta tasa de aciertos. Se concluye que la técnica de segmentación de fisuras pulmonares es un algoritmo útil para segmentar fisuras pulmonares en imágenes de TC, y con potencial para integrar sistemas de ayuda al diagnóstico médico.
Citas
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.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 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
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
La sumisión de un artículo a el Journal of Health Informatics es entendida como exclusiva y que no esta siendo considerado para publicación en otro periódico. La permisión de los autores para la publicación de su artículo en lo JHI implica en la exclusiva autorización concedida a los editores para su inclusión en la revista. Al someter un artículo, a lo autor será solicitada la permisión electrónica de una Nota de Copyright. Una mensaje electrónica será enviada a lo autor correspondiente confirmando el recibo del manuscrito y lo aceite de la Nota de Copyright.
