Medical Image Segmentation Based on AIFs

Data
2019-11-29
Título da revista
ISSN da revista
Título do Volume
Editora
Resumo
Na presente tese é introduzida uma nova abordagem para realizar a delineação de tumores em imagens obtidas por tomografia por emissão de positrões (PET). Assim, apresentar-se-á uma nova metodologia iterativa baseada em segmentação por threshold global utilizando Conjuntos Difusos Intuicionistas de Atanassov (A-IFSs) e funções de dissimilaridade restrita. No desenvolvimento desta metodologia, foram propostos dois critérios de paragem do algoritmo iterativo, tendo ainda sido criado diferentes implementações para cada uma das soluções. O Índice Intuicionista Difuso de Atanassov é utilizado como o grau de incerteza no processo de associação, para decidir se um pixel de uma imagem pertence ao fundo ou ao objeto/tumor da imagem, utilizando a entropia de forma idêntica à aplicação da entropia difusa nos algoritmos difusos de segmentação existentes. Foram implementados dois algoritmos principais utilizando cada um dos critérios de paragem propostos. Foram analisadas opções para cada um dos algoritmos de modo a melhorar a deteção dos limites, com o objetivo de facilitar a pesquisa do limite ideal para o delineamento de tumores em imagens PET. Finalmente, foi proposto um critério de homogeneidade a utilizar no algoritmo iterativo para delinear tumores em imagens PET. Foram realizados diversos testes de análise do algoritmo em causa, bem como comparação com outras metodologias existentes. Os resultados experimentais obtidos indicam, que o método desenvolvido apresenta melhor desempenho que os métodos existentes.
This thesis introduces a new approach to perform tumor delineation in Positron Emission Tomography (PET) images. A new iterative methodology based on global threshold segmentation using Atanassov’s Intuitionistic Fuzzy Sets (AIFSs) and restricted dissimilarity functions. In the development of this methodology, two stopping criteria for the iterative algorithm were proposed, and different implementations were created for each of the solutions. The Intuitionistic Fuzzy Index of Atanassov is used as the degree of unknowledge of an expert to decide if a pixel of an image belongs to the background or to the object/tumor of the image, using the entropy the same sense as fuzzy entropy is used in the existing fuzzy algorithms. Two main algorithms were implemented using each of the proposed stopping criteria. Several options were analyzed for each algorithm to improve the delineation, to improve the search for the optimal threshold for tumor delineation in PET images. Finally, it was proposed a homogeneity criterion to be used in the iterative algorithm to delineate tumors in PET images. Several tests of analysis of the algorithm were performed, as well as a comparison with other existing methodologies. The obtained experimental results indicate that the developed method outperforms the existing methods
Descrição
Doctoral Thesis in Computer Science
Palavras-chave
PET , Imagens Médicas
Citação