Mostrar registro simples

dc.creatorPorto, Marcelo Arrais
dc.date.accessioned2017-12-20T11:32:26Z
dc.date.available2017-12-20T11:32:26Z
dc.date.issued2016-03-17
dc.identifier.urihttp://repositorio.ufsm.br/handle/1/12169
dc.description.abstractLung segmentation is a fundamental step in many image analysis applications for lung diseases and abnormalities in thoracic computed tomography (CT). However, due to the large variations in pathology that may be present in thoracic CT images, it is difficult to extract the lung regions accurately, especially when the lung parenchyma contains extensive lung diseases. A major insight to deal with this problem is the existence of new approaches to cope with quality and performance. This paper presents an optimized superpixel clustering approach for high-resolution chest CT segmentation. The proposed algorithm is compared against some open source superpixel algorithms while a performance evaluation is carried out in terms of boundary recall and undersegmentation error metrics. The over-segmentation results on a Computed Tomography Emphysema Database demonstrates that our approach shows better performance than other three state-of-the-art superpixel methods.eng
dc.languageporpor
dc.publisherUniversidade Federal de Santa Mariapor
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectSegmentação de imagenspor
dc.subjectDiagnóstico de imagens médicaspor
dc.subjectTomografia computadorizadapor
dc.subjectImage segmentationeng
dc.subjectMedical images diagnosiseng
dc.subjectComputed tomographyeng
dc.titleUma técnica otimizada de clusterização para segmentação de imagens de TC de tórax de alta-resoluçãopor
dc.title.alternativeAn optimized superpixel clustering approach for high-resolution chest ct image segmentationeng
dc.typeDissertaçãopor
dc.description.resumoSegmentação 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.por
dc.contributor.advisor1d'Ornellas, Marcos Cordeiro
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1765721612533942por
dc.contributor.referee1Silva, Luciano Silva da
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8090460970494534por
dc.contributor.referee2Dotto, Gustavo Nogara
dc.contributor.referee2Latteshttp://lattes.cnpq.br/5920978168053131por
dc.creator.Latteshttp://lattes.cnpq.br/7502642793903414por
dc.publisher.countryBrasilpor
dc.publisher.departmentCiência da Computaçãopor
dc.publisher.initialsUFSMpor
dc.publisher.programPrograma de Pós-Graduação em Informáticapor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpor
dc.publisher.unidadeCentro de Tecnologiapor


Arquivos deste item

Thumbnail
Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples

Attribution-NonCommercial-NoDerivatives 4.0 International
Exceto quando indicado o contrário, a licença deste item é descrito como Attribution-NonCommercial-NoDerivatives 4.0 International