Reconhecimento de Padrão em Pacientes com Esclerose Sistêmica por Sistemas Fuzzy
Autores
6440 |
200,2918
|
|
6441 |
200,2918
|
Informações:
Publicações do PESC
As imagens médicas objetivam captar informações para diagnóstico e/ou acompanhamento do paciente. As tecnologias de aquisição de imagem evoluíram e se apresentam como: tomografia computadorizada (TC), ultrassonografia, ressonância magnética (RMP), medicina nuclear e a radiografia simples (raio-X). As imagens de radiografias simples de tórax possuem invariavelmente graduações de intensidade e incertezas, o que conduz à escolha da abordagem dos sistemas fuzzy (SF). Objetiva-se otimizar a visualização de imagens de radiografias simples de tórax na confirmação e acompanhamento do diagnóstico do acometimento pulmonar em pacientes com esclerose sistêmica (ES). O reconhecimento de padrão pela metodologia fuzzy com destaque na segmentação das imagens pelos conjuntos intuicionistas fuzzy (CIF), conduziu a criação do índice de intensidade de fibrose pulmonar (IIFP) pelos conjuntos fuzzy (CF) que associado às variáveis advindas dos exames de função pulmonar, capacidade vital forçada (CVF) e capacidade de difusão do monóxido de carbono (DLCO), contribuiu para o acompanhamento clínico de pacientes com ES. As técnicas e métodos implementados, propiciou o desenvolvimento do SisRPIP - Sistema de Reconhecimento de Padrão em Imagens Pulmonares. A viabilidade do SisRPIP foi vericada em radiografias simples de tórax de 40 pacientes já diagnosticados com ES e, os resultados, assim como a metodologia utilizada são apresentados nesta Tese.
Medical images are used to gather information for diagnosis and/or follow-up of patients state. Image acquisition technologies have evolved along the years and the most common are: computed tomography (CT), ultrasonography, magnetic resonance imaging (MRI), nuclear medicine and x-ray. Chest X-ray images invariably have intensity gradations and uncertainties, which leads to the choice of the fuzzy systems (FS) approach. The objective of this study was to optimize images of simple chest X-ray that are used in pulmonary involvement diagnoses' confirmation and follow-up in patients with systemic sclerosis (SS). Pattern recognition using fuzzy methodology, with emphasis on the images segmentation by the intuitionist fuzzy sets (IFS), led to the creation of the pulmonary fibrosis intensity index (PFII) using fuzzy sets (FS). This index, associated with results from pulmoray function tests (PFT), forced vital capacity (FV C) and carbon monoxide diusion capacity (DLCO), assisted on the clinical follow-up of patients with SS. The techniques and methods implemented allowed the development of the SisRPIP - Pattern Recognition System in Pulmonary Imaging. The viability of the SisRPIP was verified with 40 patients' plain chest radiographs already diagnosed with SS, and the results and methodology used, are presented in this thesis.