Evaluación de un algoritmo de segmentación de nódulos pulmonares en imágenes de tomografía computarizada basado en la localización automática de un umbral
La investigación tiene como propósito implementar un nuevo método de detección de nódulos pulmonares en imágenes de tomografía computarizada, basado en la técnica de umbralización. Un sistema de detección asistido por computador puede ayudar a los radiólogos a mejorar su agilidad para detectar nódul...
- Autores:
-
Romero Nieto, Pedro Elías
- Tipo de recurso:
- Fecha de publicación:
- 2016
- Institución:
- Universidad del Magdalena
- Repositorio:
- Repositorio Unimagdalena
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unimagdalena.edu.co:123456789/1420
- Acceso en línea:
- http://repositorio.unimagdalena.edu.co/handle/123456789/1420
- Palabra clave:
- Tomografía Computarizada
Nódulo Pulmonar
Detección de Nódulos Pulmonares
Umbralización
IS-00146
- Rights
- restrictedAccess
- License
- atribucionnocomercialsinderivar
| Summary: | La investigación tiene como propósito implementar un nuevo método de detección de nódulos pulmonares en imágenes de tomografía computarizada, basado en la técnica de umbralización. Un sistema de detección asistido por computador puede ayudar a los radiólogos a mejorar su agilidad para detectar nódulos pulmonares en etapas tempranas. La detección temprana de nódulos pulmonares es importante para el diagnóstico y manejo clínico del cáncer de pulmón. Las imágenes de tomografía computarizada es la técnica de imagenología más adecuada actualmente para la detección de nódulos pulmonares. Después de segmentarse el volumen pulmonar, los nódulos candidatos son detectados basados en el hecho de poseer niveles de intensidad superior a estructuras propias del parénquima pulmonar, identificando puntos referentes en la curva del histograma que permiten localizar un valor de umbral. La reducción de falsos-positivos se realiza aplicando un filtrado por características geométricas. El rendimiento del método propuesto es evaluado sobre un conjunto de entrenamiento proporcionado por SPIE-AAPM Lung CT Challenge Database y ELCAP Public Lung Image Database. Se cuenta con un total de 35 nódulos distribuidos entre 16 casos, para los cuales se tiene un ground-truth. La reducción de falsos positivos es significativa, filtrando desde 12380 nódulos candidatos en promedio a 19 nódulos detectados. El método muestra una sensibilidad para la detección de nódulos pulmonares de un 88.6%, teniendo un error de 1 nódulo en los casos donde no se alcanza la detección completa. |
|---|