Lung Blood Vessels Segmentation in Thoracic CT Scans

A anÃlise de imagens mÃdicas por meio de tÃcnicas de visÃo computacional tornou-se bastante promissora, principalmente pelo fato de aperfeiÃoar a acurÃcia diagnÃstica de diversas patologias. Por essas razÃo, a Pneumologia à considerada atualmente uma Ãrea de concentraÃÃo de projetos que envolvem mÃtodos de Processamento Digital de Imagens. A segmentaÃÃo de vasos sanguÃneos pulmonares à de bastante auxÃlio na detecÃÃo de cardiopatias pulmonares. Esse processo à realizado atravÃs da anÃlise dos resultados obtidos por exame de diagnÃstico por imagem, os quais se destacam as radiografias torÃcicas, tomografia computadorizada (TC) do tÃrax, ressonÃncia magnÃtica, cintilografia pulmonar e angiografia. A hipertensÃo pulmonar e o cÃncer sÃo exemplos de doenÃas que podem ser diagnosticadas com menor subjetividade ao realizar a segmentaÃÃo de vasos, visualizaÃÃo em trÃs dimensÃes e extraÃÃo de seus atributos. Devido a essa importÃncia, diversos algoritmos sÃo desenvolvidos com intuito de obter uma segmentaÃÃo Ãtima destas estruturas. Dentre estes, encontram-se os mÃtodos por contornos ativos, LÃgica Fuzzy, Crescimento de RegiÃes, Filtragem Multi-escalar 3D e algoritmo Expectation Maximization (EM). Nesta dissertaÃÃo, sÃo segmentados os vasos sanguÃneos pulmonares de imagens de tomografia computadorizada do tÃrax utilizando-se trÃs mÃtodos: uma combinaÃÃo de Crescimento de RegiÃes 3D controlado por uma funÃÃo de pertinÃncia gaussiana e limiarizaÃÃo; um mÃtodo hÃbrido de segmentaÃÃo por Conectividade Fuzzy e limiarizaÃÃo; por m, a segmentaÃÃo utilizando o classicador K-mÃdias. Os resultados obtidos pelas segmentaÃÃes sÃo analisados e comparados por meio de uma anÃlise dos coecientes de similaridade e sensibilidade. Os resultados da aplicaÃÃo dos trÃs mÃtodos sÃo caracterizados aceitÃveis e compatÃveis com os observados na literatura.Medical image analysis using computer vision techniques has become quite promising because of its improvement on the diagnostic accuracy of various pathologies. For this reason, pulmonology became an area of high concentration of projects involving methods of Digital Image Processing. The blood vessels segmentation in the lung is an important aid in the detection of pulmonary heart diseases. This process is performed by analyzing the results obtained with known diagnostic imaging exams, like chest Xrays, computed tomography (CT) scan, magnetic resonance imaging, scintigraphy and angiography. Pulmonary hypertension and cancer are examples of diseases that can be diagnosed with less subjectivity if performing vessels segmentation, three-dimensional visualization and attribute extraction of these images. Thus, several algorithms are developed with the objective of obtaining an optimal segmentation of these structures. Among those algorithms are active contours, fuzzy logic, 3D Region Growing, 3D multi-scale ltering algorithm and Expectation Maximization (EM). In this study, the blood vessels were extracted from lung CT scans of the chest using three methods. The rst is a combination of 3D Region Growing controlled by a Gaussian membership function and thresholding, the second is a hybrid segmentation by thresholding and Fuzzy Connectedness. Finally,the third refers to segmentation using the K-means classier. The results and evaluation of applying these algorithms are presented