Uma técnica otimizada de clusterização para segmentação de imagens de TC de tórax de alta-resolução
Fecha
2016-03-17Metadatos
Mostrar el registro completo del ítemResumen
Segmentação de tórax é um passo fundamental em muitas aplicações de análise de
imagens para doenças de pulmão e anormalidades em tomografia computadorizada
(TC) torácica. Contudo, devido às variações patológicas que podem estar presentes
em imagens de TC, torna-se difícil extrair regiões do pulmão com precisão, especialmente
quando o parênquima pulmonar possui certas regiões defeituosas. Uma forma
de contornar este problema é a utilização de novas técnicas para obter qualidade e desempenho
na segmentação pulmonar. Este trabalho apresenta uma técnica de clusterização
otimizada de superpixels para a segmentação de imagens pulmonares de
TC de alta-resolução. O algoritmo proposto é comparado contra alguns algoritmos de
código aberto enquanto que o desempenho é avaliado em termos de métricas como
boundary recall e under-segmentation error. Os resultados das imagens segmentadas
sobre um conjunto de dados de imagens de enfisema de tomografia computadorizada
demonstraram que a técnica proposta apresenta uma melhor performance do que outros
três métodos de superpixels estado-da-arte.
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia: