![Page 1: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/1.jpg)
Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados
volumétricos
Leonardo de Oliveira Martins
Rio de Janeiro, junho/2008
Pontifícia Universidade Católica do Rio de Janeiro
Visão Computacional II
Prof. Raul Queiroz Feitosa
![Page 2: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/2.jpg)
Roteiro Motivação Objetivos Material Ferramentas Metodologia Resultados Trabalhos futuros Referências
![Page 3: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/3.jpg)
Motivação O câncer de pulmão é o que mais mata
em todo o mundo Existem algumas dificuldades para a
identificação de nódulos pulmonares Estruturas (tecidos) semelhantes Nódulo em sua fase inicial tem dimensões
muito pequenas Cansaço visual Qualidade da imagem
![Page 4: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/4.jpg)
Objetivo Implementar, através da linguagem C++,
uma adaptação do algoritmo eCognition para dados volumétricos (TC)
Disponibilizar o código em C++ que realize a tarefa de segmentação das estruturas pulmonares com vistas à classificação das mesmas (detecção), levando em conta Tempo Erro de segmentação
![Page 5: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/5.jpg)
Material Dados provenientes do setor de Cirurgia
Torácica da Faculdade de Ciências Médicas da UERJ
31 volumes adquiridos a partir de um tomógrafo Helicoidal GE pro Speed, sob as seguintes condições
Voltagem e corrente do tubo de 120kV e 100mA Tamanho da imagem de 512x512 pixels Quantização de 12 bits Formato DICOM
Cada volume possui ao menos 1 nódulo
![Page 6: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/6.jpg)
Ferramentas Linguagem de programação C/C++
Dev-Cpp VTK (Visualization toolkit)
Leitura do arquivo em formato DICOM CImg.h
Manipulação de imagens em geral
![Page 7: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/7.jpg)
Metodologia Para cada volume
Limitação do espaço de busca Aplicação do algoritmo de
segmentação por crescimento de região
Comparação da segmentação obtida com a segmentação realizada pelo especialista (em andamento)
![Page 8: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/8.jpg)
Limitação do espaço de busca
Diminuir o espaço de busca do nódulo pulmonar
Pretende-se encontrar a região ocupada pelo pulmão
Envolve três processos 1 - Segmentação do tórax 2 - Segmentação do pulmão 3 – Reconstrução da área pulmonar e
eliminação de regiões indesejadas
![Page 9: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/9.jpg)
Limitação do espaço de busca
Imagem limiarizada Preenchimento de buracos
1 - Extração do tórax: limiarização global (método de Otsu)
![Page 10: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/10.jpg)
Limitação do espaço de busca1 – Eliminação da prancha onde o paciente repousa para fazer o exame
Imagem após erosão Imagem após dilatação
![Page 11: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/11.jpg)
Limitação do espaço de busca
Tórax extraído
![Page 12: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/12.jpg)
Limitação do espaço de busca
Imagem limiarizada prevalecendo baixas intensidades
2 – Nova limiarização global utlizando somente os pixels do tórax
![Page 13: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/13.jpg)
Limitação do espaço de busca
3 – Preenchimento do pulmão para reconstrução de áreas eliminadas pela limiarização
![Page 14: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/14.jpg)
Limitação do espaço de busca
3 – Eliminação de partes do tórax
Imagem após erosão Imagem após dilatação
![Page 15: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/15.jpg)
Limitação do espaço de busca
3 – Reconstrução das áreas das bordas do pulmão
Imagem após operação de “fechamento”
![Page 16: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/16.jpg)
Segmentação eCognition Segmentação baseada em crescimento de
região, voltada para objetos Cada objeto começa do tamanho de um pixel A cada passo, um objeto é escolhido e
comparado com seus vizinhos O vizinho que mais se assemelha a ele é escolhido para
a fusão Caso exista mais de um vizinho semelhante, é
escolhido o que possui menor fator de heterogeneidade O processo continua até que um número de
iterações seja atingido ou não haja mais fusões
![Page 17: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/17.jpg)
Segmentação eCognition
![Page 18: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/18.jpg)
Segmentação eCognition
Escolha do objeto a ser processado a cada iteração é feita através da ordem de uma matriz de dithering Evita que cada execução do
programa resulte em uma segmentação diferente, o que aconteceria em caso de escolha aleatória.
![Page 19: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/19.jpg)
Segmentação eCognition O custo de fusão f de dois objetos é dado por
sendo wespectral um peso para o critério espectral no intervalo de 0 a 1hespectral é a heterogeneidade espectral
hforma é a heterogeneidade da forma
Haverá fusão entre os objetos se o custo de fusão for menor que um critério definido como escala
formaespectralespectral hphwf 1
![Page 20: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/20.jpg)
Segmentação eCognition
Heterogeneidade espectral
sendo: σ o desvio padrão da resposta espectral n o tamanho do objeto é a média dos desvios padrão de uma
“amostra de nódulos” (an)
an
ObjObj
an
ObjObj
an
FusãoFusãoespectral nnnh
2
21
1
![Page 21: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/21.jpg)
Segmentação eCognition
Heterogeneidade da forma:
sendo wforma um peso para o critério de compacidade no intervalo de 0 a 1
esféricaiaconcordâncecompacidadforma hwhwh _1
![Page 22: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/22.jpg)
Segmentação eCognition
Compacidade
sendo n o volume do objeto a a área superficial do objeto
min
min22
min
min11
min
min
CC
CCn
CC
CCn
CC
CCnh
an
ObjObj
an
ObjObj
an
FusãoFusãoecompacidad
3 n
aC
![Page 23: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/23.jpg)
Segmentação eCognition
![Page 24: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/24.jpg)
Segmentação eCognition Concordância Esférica
sendo n o volume do objeto D a desproporção esférica do objeto a a área superficial R o raio estimado da esfera com o mesmo volume do
objeto
min
min22
min
min11
min
min_ DD
DDn
DD
DDn
DD
DDnh
an
ObjObj
an
ObjObj
an
FusãoFusãoesféricaiaconcordânc
2.4 Obj
ObjObj R
aD
3
4
.3
Obj
Obj
nR
![Page 25: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/25.jpg)
Segmentação eCognition
![Page 26: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/26.jpg)
Medida de desempenho
Erro de segmentação E = (fp+fn)/Ar
Fp – área formada pelos pixels falso positivos Fn – área formada pelos pixels falso negativos Ar – Área real do nódulo, segmentada por um
especialista
E = 0 -> segmentação
perfeita
![Page 27: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/27.jpg)
Resultados
Testes realizados utilizando p = 6, wespectral =0.25 e wforma =0.75
Tempo médio de processamento de cada exame ficou em torno de 1 hora e meia
Melhora significativa em comparação com implementações anteriores
![Page 28: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/28.jpg)
Resultados
Segmentação de nódulo (fatia)
•E=0.4315
![Page 29: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/29.jpg)
Resultados
Segmentação de nódulo (fatia)
•E=0.4827
![Page 30: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/30.jpg)
Conclusão/Trabalhos Futuros
Utilizando a metodologia proposta, a segmentação é realizada dentro de um tempo razoável para o volume de dados envolvidos
Entretanto, diversos experimentos são necessários para avaliar melhor a metodologia proposta neste trabalho
![Page 31: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/31.jpg)
Conclusão/Trabalhos Futuros
Calcular o erro de segmentação para todos os nódulos disponíveis
Determinação dos melhores parâmetros de segmentação
Comparação com outros algoritmos Passar para a próxima etapa de
detecção (classificação das estruturas segmentadas)
![Page 32: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/32.jpg)
Referências BAATZ, M.; SCHÄPE, A.; Multiresolution
segmentation – an optimization approach for high quality multi-scale image segmentation. In Strobl, Blaschke & Greisebener (Edts): Angewandte Geographische Informationsverarbeitung XII. Beiträge zum AGIT-Symposium Salzburg 2000. Karlsruhe. Herbert Wichmann Verlag. 2000.
JOSEPH, K. A. Comparison of Segment and Pixel Based Non-Parametric Classification of Land Cover in the Amazon Region of Brazil Using Multitemporal Landsat TM/ETM+ Imagery. Tese de mestrado. Virginia Polytechnic Institute and State University, 2005.
![Page 33: Segmentação de nódulos pulmonares através do algoritmo eCognition adaptado para dados volumétricos Leonardo de Oliveira Martins lmartins@inf.puc-rio.br](https://reader036.vdocuments.pub/reader036/viewer/2022062623/552fc104497959413d8bf395/html5/thumbnails/33.jpg)
Referências Computer Vision - A modern approach , D.
Forsyth e J. Ponce, 2003 Algoritmos para Diagnóstico Assistido de
Nódulos Pulmonares em Imagens de Tomografia Computadorizada, Silva, Aristófanes. Tese de Doutorado, PUC-Rio, 2004
Lung Structures Classification Using 3D Geometric Measurements and SVM , Souza, J.R et al. 12th Iberoamerican Congress on Pattern Recognition – CIARP, 2007