Resumo
As doenças não transmissíveis, como doenças cardiovasculares, câncer, diabetes e doenças pulmonares crônicas são as principais causas de morte no mundo, e entre elas, as doenças cardiovasculares são a causa número 1 de morte. O Acidente Vascular Cerebral (AVC) é a segundacausademortemaisfrequenteeumadasprincipaiscausasdeincapacidadenospaíses industrializados. Dos 17,5 milhões de mortes causadas por doenças cardiovasculares em 2012, estima-se que 6,7 milhões foram causadas por AVC. No Brasil, o AVC mata cerca de 87 mil pessoas por ano. Neste trabalho, o foco de estudo é o Acidente Vascular Cerebral do tipo hemorrágico,queéresponsávelpor40%detodasasmortesporAVC.Emserviçosclínicosena pesquisa científica, o AVC não tem tanta prioridade quando comparada a outras doenças com impacto semelhante ou reduzido sobre a saúde pública. Para detectar e analisar esta doença é muito comum o uso de imagens do crânio, notadamente a Tomografia Computadorizada (TC) e a Imageamento por Ressonância Magnética (IRM). A TC é preferível em relação à IRM devido a maior disponibilidade, menor custo, maior rapidez, além de ser menos afetada por ruídos. Este exame possibilita detectar e avaliar a severidade do AVC. Este trabalho propõe uma nova abordagem para segmentar o AVC utilizando imagens de TC do crânio, tendo como objetivo o auxílio ao diagnóstico médico. Esta abordagem propõe iniciar de forma automática ométodolevel set dentro daregião deAVC e utilizaruma abordagemde estimação não paramétrica baseada na Janela de Parzen para segmentação deste AVC. Os resultados obtidospelaabordagempropostasãocomparadoscomosresultadosdosalgoritmosdelevelset utilizandofuzzyC-means,levelsetcombasenométododepropagaçãocoerente,fuzzyC-means, WatershedeCrescimentodeRegião,quesãocomumenteutilizadosnestecampo. Estaavaliação têm como base de validação a segmentação obtida por um médico especialista. Os resultados experimentais mostram que o método proposto apresenta um desempenho superior aos demais avaliados,apresentando-secomoumaferramentapromissoranoauxílioaodiagnósticomédico