[en] A LINEAR PROGRAMMING APPROACH TO VASCULAR NETWORK SEGMENTATION FROM A SINGLE SEED POINT

[pt] SEGMENTAÇÃO DE REDES VASCULARES A PARTIR DE UMA ÚNICA SEMENTE UTILIZANDO PROGRAMAÇÃO LINEAR

[pt] DARIO AUGUSTO BORGES OLIVEIRA

[pt] SEGMENTACAO

[pt] TOMOGRAFIA COMPUTADORIZADA

[pt] IMAGENS MEDICAS

[pt] GRAFO

[pt] PROGRAMACAO LINEAR

[en] SEGMENTATION

[en] COMPUTED TOMOGRAPHY

[en] MEDICAL IMAGING

[en] GRAPH

[en] LINEAR PROGRAMMING

[pt] Esta tese apresenta o desenvolvimento e os resultados deste projeto de doutorado, cujo objetivo, de caráter multidisciplinar, foi desenvolver uma metodologia e uma ferramenta para segmentação de redes vasculares a partir de imagens de tomografia computadorizada, utilizando procedimentos de segmentação automática de imagens e visualização tridimensional de dados. A metodologia sugerida segmenta a rede vascular iterativamente utilizando um único ponto de partida. A abordagem utiliza um modelo de amostragem cônico composto de várias camadas esféricas concêntricas ordenadas. Cada ponto amostrado é avaliado utilizando-se uma medida de vascularidade proposta nesta tese, que busca identificar pontos que pertencem a vasos. Um grafo dirigido é então construído com os pontos selecionados e analisado para que se encontre localmente cadeias de pontos conectados que compõem pedaços de ramos da rede vascular. Cada segmento da rede vascular gera uma nova semente a partir da qual uma nova amostragem é realizada e desta forma o procedimento iterativo se repete até que toda a estrutura vascular seja segmentada. A metodologia foi testada utilizando-se imagens sintéticas e reais. Dentre as imagens reais foram segmentadas estruturas vasculares coronárias, carótidas, hepáticas, pulmonares além de uma rede de fibras nervosas do sistema olfativo. Também foram extraídas as topologias das redes vasculares. A avaliação foi quando possível quantitativa, embora este tipo de dado muito raramente ofereça uma segmentação de referência, e nestes casos a avaliação foi qualitativa e visual. Os resultados obtidos confirmam o potencial do método e indicam direções para promover desenvolvimentos futuros.

[en] This thesis presents the development and results of this PhD project, which objective, multidisciplinary, was to develop a methodology and a tool for segmenting vascular networks from CT images, using automatic segmentation procedures and visualization of three-dimensional images data. The suggested methodology tracks a vascular network iteratively using a single starting point. The approach uses a conical sampling model composed of multiple concentric and ordered spherical layers. Each sampled point is evaluated using a measurement of vascularity proposed in this thesis, which seeks to identify points that belong to vessels. A directed graph is then built with the selected points and analyzed to find chains of connected points that make up pieces of branches of the vascular network. Each vascular segment found generates a new seed from which a new sampling is performed, and in this way the iterative procedure is repeated until the entire vascular structure is segmented. The methodology was tested using synthetic and real images. Among the real images several different vascular structures were segmented, such as coronary, carotid, hepatic, pulmonary and even a network of nerve fibers in the olfactory system. Vascular network topologies were also identified. The evaluation was quantitative where possible, although this type of data rarely provides a segmentation of reference, and apart from these cases the assessment was qualitative and visual. The results confirm the potential of the method and suggest directions for further developments.

RAUL QUEIROZ FEITOSA

RAUL QUEIROZ FEITOSA

ARISTOFANES CORREA SILVA

BRUNO FEIJO

AURA CONCI

SIDNEI PACIORNIK

MAURO MONTEIRO CORREIA

2014-10-31

2013-04-12

[pt] TEXTO

application/pdf

INGLÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23618@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23618@2

https://doi.org/10.17771/PUCRio.acad.23618