Modelo de Contorno Ativo Crisp Adaptativo 2D aplicado na segmentação dos pulmões em imagens de TC do tórax de voluntários sadios e pacientes com enfisema pulmonar / Adaptive 2D Crisp Active Contour Model applied to lung segmentation in CT images of the thorax of healthy volunteers and patients with pulmonary emphysema

INTRODUÇÃO: Dentre as doenças que afetam a população mundial, destaca-se a preocupação com a Doença Pulmonar Obstrutiva Crônica (DPOC), que, segundo a Organização Mundial de Saúde, pode se constituir na terceira causa de morte mais importante em todo mundo no ano de 2030. Visando contribuir com o auxílio ao diagnóstico médico, esta pesquisa centraliza seus esforços na etapa de segmentação dos pulmões, visto que esta é a etapa básica de sistema de Visão Computacional na area de pneumologia. MÉTODOS: Este trabalho propõe um novo método de segmentação dos pulmões em imagens de Tomografia Computadorizada (TC) do tórax chamado de Método de Contorno Ativo (MCA) Crisp Adaptativo 2D. Este MCA consiste em traçar automaticamente uma curva inicial dentro dos pulmões, que se deforma por iterações sucessivas, minimizando energias que atuam sobre a mesma, deslocando-a até as bordas do objeto. O MCA proposto é o resultado do aperfeiçoamento do MCA Crisp desenvolvido previamente, visando aumentar a sua exatidão, diminuindo o tempo de análise e reduzindo a subjetividade na segmentação e análise dos pulmões dessas imagens pelos médicos especialistas. Este método por iterações sucessivas de minimização de sua energia, segmenta de forma automática os pulmões em imagens de TC do tórax. RESULTADOS: Para sua validação, o MCA Crisp Adaptativo é comparado com os MCAs THRMulti, THRMod, GVF, VFC, Crisp e também com o sistema SISDEP, sendo esta avaliação realizada utilizando como referência 24 imagens, sendo 12 de pacientes com DPOC e 12 de voluntários sadios, segmentadas manualmente por um pneumologista. Os resultados obtidos demonstram que o método proposto é superior aos demais. CONCLUSÃO: Diante dos resultados obtidos, pode-se concluir que este método pode integrar sistemas de auxílio ao diagnóstico médico na área de Pneumologia.

INTRODUCTION: Among the diseases that affect the world's population, there is concern about Chronic Obstructive Pulmonary Disease (COPD), that, according to the World Health Organization, could be the leading cause of death worldwide by the year 2030. Aiming to contribute to aid medical diagnosis, this research focuses its efforts on the segmentation of the lungs, since this is the basic step system in the area of Computer Vision pulmonology. METHODS: This paper proposes a new method for segmentation of lung images in Computed Tomography (CT) of the chest called Active Contour Method (MCA) Crisp Adaptive 2D. This MCA is to draw a curve starting inside an object of interest. This curve is deformed by successive iterations, minimizing energies that act on it, moving it to the edges of the object. The MCA is the improvement of the proposed MCA Crisp previously developed, aiming to increase the accuracy, decreasing analysis time and reducing the subjectivity in the segmentation and analysis of the lungs of these images by pulmonologists. This method is automatically initialized in the lungs and on successive iterations to minimize this energy, this MCA automatically targets the lungs in chest CT images. RESULTS: To evaluate the proposed method, the MCA Adaptive Crisp is compared with MCAs THRMulti, THRMod, GVF, VFC, Crisp and also with the system SISDEP, this assessment is performed using reference images 24, 12 COPD patients and 12 volunteers healthy, manually segmented by a pulmonologist. The results show that the proposed method is superior to the others. CONCLUSION: Based on the results, it can be concluded that this method can integrate systems aid in the medical diagnosis of Pulmonology.

Segmentação automática 2D de vias aéreas em imagens de tomografia computadorizada do tórax / Automatic 2D segmentation of airways in thorax computed tomography images

INTRODUÇÃO: Grande parte da população mundial é afetada por doenças pulmonares, como é o caso das broncopatias constituídas pela asma, bronquiectasia e a bronquite. O diagnóstico de broncopatias é baseado no estado das vias aéreas. Neste sentido, a segmentação automática das vias aéreas em imagens de Tomografia Computadorizada (TC) do tórax é uma etapa fundamental para auxílio ao diagnóstico dessas doenças. MÉTODOS: O presente trabalho avalia algoritmos e desenvolve métodos de segmentação automática das vias aéreas 2D. Tais métodos são compostos por algoritmos de detecção de vias aéreas, sendo estes rede neural Multilayer Perceptron (MLP) e Análise de Densidades Pulmonares (ADP), e por algoritmos de segmentação de vias aéreas, sendo estes Crescimento de Região (CR), Método de Contornos Ativos (MCA) Balão e Topológico Adaptativo. RESULTADOS: Os resultados foram obtidos em três etapas: análise comparativa entre os algoritmos de detecção MLP e ADP, com um padrão-ouro adquirido por três médicos com expertise em imagens de TC do tórax; análise comparativa entre algoritmos de segmentação MCA balão, MCA topológico adaptativo, MLP e CR; e avaliação das possíveis combinações entre os algoritmos de detecção e segmentação, resultando no método completo para segmentação automática das vias aéreas em 2D. CONCLUSÃO: A baixa incidência de falso-negativo e a redução significativa de falso-positivo, resulta em coeficiente de similaridade e sensibilidade superior a 91% e 87% respectivamente, para uma combinação dos algoritmos, com qualidade de segmentação satisfatória.

INTRODUCTION: Much of the world population is affected by pulmonary diseases, such as the bronchial asthma, bronchitis and bronchiectasis. The bronchial diagnosis is based on the airways state. In this sense, the automatic segmentation of the airways in Computed Tomography (CT) scans is a critical step in the aid to diagnosis of these diseases. METHODS: This paper evaluates algorithms for airway automatic segmentation, using Neural Network Multilayer Perceptron (MLP) and Lung Densities Analysis (LDA) for detecting airways, along with Region Growing (RG), Active Contour Method (ACM) Balloon and Topology Adaptive to segment them. RESULTS: We obtained results in three stages: comparative analysis of the detection algorithms MLP and LDA, with a gold standard acquired by three physicians with expertise in CT imaging of the chest; comparative analysis of segmentation algorithms ACM Balloon, ACM Topology Adaptive, MLP and RG; and evaluation of possible combinations between segmentation and detection algorithms, resulting in the complete method for automatic segmentation of the airways in 2D. CONCLUSION: The low incidence of false negative and the significant reduction of false positive, results in similarity coefficient and sensitivity exceeding 91% and 87% respectively, for a combination of algorithms with satisfactory segmentation quality.

Sistema automático para quantificação e visualização da aeração pulmonar em imagens de tomografia computadorizada de tórax: Sistema de Análise de Imagens Pulmonares – SAIP / Automatic system for quantification and visualization of lung aeration on chest computed tomography images: the Lung Image System Analysis – LISA

A tomografia computadorizada de alta resolução (TCAR) é o exame de escolha na avaliação diagnóstica de afecções do parênquima pulmonar. Neste particular, há um interesse crescente por sistemas computacionais capazes de analisar automaticamente a densidade radiológica dos pulmões. O principal objetivo deste trabalho é apresentar um sistema automático para quantificação e visualização do grau de aeração pulmonar (SAIP), em imagens de TCAR de pulmões com diferentes graus de alterações da aeração pulmonar. Como objetivo secundário comparar o SAIP ao sistema Osiris e a um algoritmo específico de segmentação pul­monar (SP), quanto à acurácia na segmentação do parênquima pulmonar. O SAIP disponibiliza atributos quantitativos extraídos automaticamente, tais como perímetro, área e volume da secção pulmonar, bem como o histograma de faixa de densidades ra­diológicas e acumulado, densidade pulmonar média (Dpm) em unidades Hounsfield (UH), área relativa dos voxels com densi­dade menor que –950 UH (RA950) e os valores de 15° percentil de baixa atenuação (PERC15). Além disso, é capaz de processar imagens por meio de uma ferramenta de máscara colorida, que aplica pseudo­cores no parênquima pulmonar, conforme faixas de densidade radiológicas pré­determinadas. Os resultados da segmentação pulmonar são comparados para um conjunto de 102 imagens de 8 voluntários saudáveis e 141 imagens de 11 pacientes com doença pulmonar obstrutiva crônica (DPOC). Quanto à segmentação, o SAIP se apresenta mais efetivo do que os outros dois métodos. O SAIP constitui uma ferramenta pro­missora no auxílio ao diagnóstico de enfisema em pacientes com DPOC, com grande potencial de aplicação nesta área e em outras doenças pulmonares.

High Resolution Computed Tomography (HRCT) is the exam of choice for the diagnostic evaluation of lung parenchyma diseases. There is an increasing interest for computational systems able to automatically analyze the radiological densities of the lungs in CT images. The main objective of this study is to present a system for the automatic quantification and visualization of the lung aeration in HRCT images of different degrees of aeration, called Lung Image System Analysis (LISA). The secondary objective is to compare LISA to the Osiris system and also to specific algorithm lung segmentation (ALS), on the accuracy of the lungs segmentation. The LISA system automatically extracts the following image attributes: lungs perimeter, cross sectional area, volume, the radiological densities histograms, the mean lung density (MLD) in Hounsfield units (HU), the relative area of the lungs with voxels with density values lower than –950 HU (RA950) and the 15th percentile of the least density voxels (PERC15). Furthermore, LISA has a colored mask algorithm that applies pseudo-colors to the lung parenchyma according to the pre-defined radiological density chosen by the system user. The lungs segmentations of 102 images of 8 healthy volunteers and 141 images of 11 patients with Chronic Obstructive Pulmonary Disease (COPD) were compared on the accuracy and concordance among the three methods. The LISA was more effective on lungs segmentation than the other two methods. LISA’s color mask tool improves the spatial visualization of the degrees of lung aeration and the various attributes of the image that can be extracted may help physicians and researchers to better assess lung aeration both quantitatively and qualitatively. LISA may have important clinical and research applications on the assessment of global and regional lung aeration and therefore deserves further developments and validation studies.

Avaliação computacional de enfisema pulmonar em TC: comparação entre um sistema desenvolvido localmente e um sistema de uso livre / Computer-assisted evaluation of pulmonary emphysema in CT scans: comparison between a locally developed system and a freeware system

OBJETIVO: Apresentar um sistema de visão computacional em imagens de TCAR, desenvolvido localmente e denominado SIStema para a Detecção e a quantificação de Enfisema Pulmonar (SISDEP). Comparar esse sistema a um sistema computacional de acesso livre. MÉTODOS: Foram utilizadas 33 imagens de TCAR de 11 pacientes com DPOC com cortes tomográficos em ápice, hilo e base. O SISDEP foi comparado a Osiris Medical Imaging Software Program quanto à segmentação do parênquima pulmonar; precisão das medidas da área de secção transversal dos pulmões em mm², densidade pulmonar média (DPM), porcentagem da relative area (RA, área relativa) dos voxels com densidade < -950 unidades hounsfield (ra -950), valores de 15º percentil de baixa atenuação (perc15) e visualização das áreas hiperaeradas por máscara colorida. RESULTADOS: Os dois sistemas realizaram uma segmentação pulmonar eficiente; porém o SISDEP o fez de modo automático e mais rápido. Na comparação das medidas de área de secção dos pulmões, DPM, Perc15 e RA -950, houve alta correlação (r² = 0,99; 0,99; 0,99; e 1,00, respectivamente) entre os dois sistemas. A ferramenta de máscara colorida do SISDEP permitiu excelente visualização das áreas hiperaeradas, discriminado-as das áreas normais. CONCLUSÕES: O SISDEP se mostrou eficiente na segmentação dos pulmões e na extração de dados quantitativos da aeração pulmonar com excelente correlação com o sistema Osiris. O SISDEP constitui uma promissora ferramenta computacional para a avaliação diagnóstica e o acompanhamento da evolução do enfisema em imagens de TCAR de pacientes com DPOC.

OBJECTIVE: To present a locally developed system of computer vision for use with HRCT images, designated SIStema para a Detecção e a quantificação de Enfisema Pulmonar (SISDEP, System to Detect and Quantify Pulmonary Emphysema), and to compare this system with a freeware system tool. METHODS: Thirty-three HRCT images scanned at the apex, hilum and base of the lungs of 11 patients with COPD were analyzed. The SISDEP was compared with the Osiris Medical Imaging Software Program regarding lung parenchyma segmentation, precision of the measurement of the cross-sectional area of the lungs in mm², mean lung density (MLD), relative area (RA) of the lung occupied by voxels with attenuation values < -950 hounsfield units (ra -950), 15th percentile point (perc15) and visualization of hyperinflated areas using a color mask. RESULTS: Although both computational systems were efficient in segmenting the lungs, the SISDEP performed this task automatically and more rapidly. There were significant correlations between the two systems in terms of the results obtained for lung cross-sectional area, MLD, RA -950 and Perc15 (r² = 0.99, 0.99, 0.99 and 1.00, respectively). The color mask tool of the SISDEP allowed excellent visualization of hyperinflated areas, discriminating them from normal areas. CONCLUSIONS: The SISDEP was efficient in segmenting the lungs and quantifying lung hyperinflation, presenting an excellent correlation with the Osiris system. The SISDEP constitutes a promising computational tool for diagnosing and assessing the progression of emphysema in HRCT images of COPD patients.