Segmentação de nódulos pulmonares com base em limiarização automática com transformação de voxels e k-médias

Abstract

A cada ano são diagnosticados milhares de novos casos de cânceres pulmonares, bem como óbitos causados pela doença. O Câncer pulmonar pode ocorrer devido a inalação da fumaça do tabaco, fatores alimentares e dentre outros. A detecção precoce do câncer pulmonar pode maximizar as chances de cura. Neste caso, existem técnicas para a segmentação de nódulos pulmonares que fornecem informações que auxiliam no diagnóstico da localização e noplanejamentocirúrgico. Nestesentido,nestadissertaçãoépropostoométodotransformação de voxels em conjunto com o K-Médias (TVK) e o K-Médias com uma Convolutional Neural Network (CNN) Unet (KUnet) para determinar os limiares de forma automática na etapa de limiarização de imagens na segmentação de nódulos pulmonares sólidos. Uma metodologia da literatura é utilizada na segmentação dos nódulos. Os métodos propostos são compostos por um pré-processamento, verificação e remoção da pleura e remoção de vasos sanguíneos. Para validar os métodos propostos, são realizados testes em imagens de Tomografia Computadorizada (TC) do tórax obtidas em uma na base de dados desenvolvida porLungImageDatabaseConsortiumeImageDatabaseResourceInitiative(LIDC-IDRI).As imagens do LIDC-IDRI possuem as localizações e as características dos nódulos pulmonares feitas por profissionais especialistas. De acordo com os resultados, o método TVK possui as melhores médias nas métricas dice similarity, ajuste de forma, ajuste de tamanho, ajuste de posição e segmentação excessiva com valores de 0,693, 0,568, 0,749, 0,998 e 0,121, respectivamente. Comessesparâmetros,conclui-sequeométodoTVKtemmaiorsimilaridade emenorsegmentaçãoexcessivacomasegmentaçãodosespecialistas