Show simple item record

dc.contributor.authorFelinto, Jonas de Carvalho
dc.date.accessioned2018-08-28T00:34:30Z
dc.date.available2018-08-28T00:34:30Z
dc.date.issued2018-04-27
dc.identifier.citationFELINTO, Jonas de Carvalho. Segmentação e quantificação de tecidos da coxa e abdômen em imagens de tomografia computadorizada. 2018. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2018. Disponível em: https://repositorio.ufscar.br/handle/ufscar/10401.*
dc.identifier.urihttps://repositorio.ufscar.br/handle/ufscar/10401
dc.description.abstractThe quantification of adipose and muscular tissues is of great importance in clinical practice and assists in the diagnosis of diseases such as type 2 diabetes, insulin resistance and, osteoarthritis. The use of Computed Tomography (CT) imaging has become indispensable for the quantification of such tissues and is currently considered the gold standard in clinical practice. CT imaging is able to produce results with high accuracy, with high soft tissue contrast, lower financial cost and time-wise efficiency when compared to MRI. Currently, the quantification of tissues is performed manually by a specialized radiologist with limited help of the computer and therefore has several limitations. For this reason, several researchers have turned their efforts to the development of automatic techniques of tissue segmentation. Some automatic techniques presented in the literature show high correlation values between automatic segmentation results and manual specialist markings, but the results were obtained using few images and to date none of these techniques are available to the medical community. In this context, this research aims to create a computational technique that allows automatic segmentation and quantification of thigh and abdomen tissues in CT images. This technique combines morphological operations, thresholding, a Gaussian mixture model and the use of an accumulator matrix with the projection of digital lines to classify each fat voxel in relation to its position to other tissues. Subsequently, a quantitative evaluation was done using 144 thigh images extracted from 72 thighs CT scans (left and right) and 15 CT images from the abdomen. All images were manually segmented by a specialist using image editing software and used for further comparative analysis. The precision results for the masks that delimit the thigh and fascia and that delimit the abdomenm and the visceral region are 0.99 and 0.98, respectively. Also, the coefficient of similarity of dice for these areas was close to 0.98.eng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)por
dc.language.isoporpor
dc.publisherUniversidade Federal de São Carlospor
dc.rights.uriAcesso abertopor
dc.subjectTecido adiposo visceralpor
dc.subjectTecido adiposo subcutâneopor
dc.subjectTecido adiposo intermuscularpor
dc.subjectTomografia computadorizadapor
dc.subjectSegmentação automáticapor
dc.subjectVisceral adipose tissueeng
dc.subjectSubcutaneous adipose tissueeng
dc.subjectIntermuscular adipose tissueeng
dc.subjectComputed tomographyeng
dc.subjectAutomatic segmentationeng
dc.titleSegmentação e quantificação de tecidos da coxa e abdômen em imagens de tomografia computadorizadapor
dc.title.alternativeSegmentation and quantification of thigh and abdomen tissues in computed tomography imageseng
dc.typeDissertaçãopor
dc.contributor.advisor1Ferrari, Ricardo José
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8460861175344306por
dc.description.resumoA quantificação de tecidos adiposos e musculares é de grande importância na prática clínica e auxilia no diagnóstico de doenças como diabetes tipo 2, resistência insulínica e osteoartrite. O uso de imagens de tomografia computadorizada (TC) tornou-se indispensável para a quantificação de tais tecidos e, atualmente, é considerado o padrão ouro na prática clínica. O imageamento por TC é capaz de produzir resultados com alta acurácia, com grande contraste de tecidos moles, além de menor custo financeiro e ser mais rápido que a ressonância magnética. Atualmente, a quantificação de tecidos é realizada manualmente por um radiologista especializado com a ajuda limitada do computador e, portanto, possui diversas limitações. Por esse motivo, vários pesquisadores têm voltado seus esforços para o desenvolvimento de técnicas automáticas de segmentação de tecidos. Embora algumas técnicas automáticas, propostas na literatura, apresentem valores elevados de correlação entre os resultados das segmentações automáticas e da marcações manuais de especialistas, os resultados foram obtidos usando poucas imagens e, até o momento, nenhuma dessas técnicas estão disponíveis para a comunidade médica. Nesse contexto, este trabalho de pesquisa tem como objetivo a criação de uma técnica computacional que permita realizar de maneira automática a segmentação e quantificação de tecidos da coxa e abdômen em imagens de TC. Essa técnica combina operações morfológicas, limiarização, um modelo de mistura gaussiana e o uso de uma matriz acumuladora em conjunto com a projeção de linhas digitais para classificar cada voxel de gordura em relação a sua posição à outros tecidos. Posteriormente uma avaliação quantitativa foi feita usando 144 imagens de coxas extraídas de 72 exames de TC da coxa (esquerda e direita) e 15 imagens de TC do abdômen. Todas as imagens foram manualmente segmentadas por um especialista com o auxílio de um software de edição de imagens e utilizadas para posterior análise comparativa. Os resultados de precisão para a obtenção das máscaras que delimitam a coxa e a fáscia e que delimitam o abdômen e a região visceral são ambos de 0,99 e 0,98, respectivamente. Além disso, o coeficiente de similaridade de dice para essas as áreas foi próximo a 0,98.por
dc.publisher.initialsUFSCarpor
dc.publisher.programPrograma de Pós-Graduação em Ciência da Computação - PPGCCpor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpor
dc.ufscar.embargoOnlinepor
dc.publisher.addressCâmpus São Carlospor
dc.contributor.authorlatteshttp://lattes.cnpq.br/9162758689086793por


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record