Segmentação Automática por Corte de Gráfico de Lesões em TC Usando Superpixels de Média Deslocada

Este artigo apresenta um novo método automático para extrair com precisão lesões a partir de dados de TC. Primeiramente, determina-se, em cada voxel, um vetor de características de cinco dimensões (5D) que contém intensidade, índice de forma e localização espacial 3D. Em seguida, a agregação usando média deslocada não paramétrica forma superpixels a partir dessas características 5D, resultando em uma supersegmentação da imagem. Por fim, um algoritmo de corte de gráfico agrupa os superpixels usando uma nova formulação de energia que incorpora características de forma, intensidade e espaço. Os superpixels de média deslocada aumentam a robustez do resultado enquanto reduzem o tempo de computação. Assumimos que a lesão tem uma forma parcialmente esférica, resultando em altos valores de índice de forma em parte da lesão. A partir dessas sub-regiões esféricas, sementes de primeiro plano e fundo para a segmentação por corte de gráfico podem ser obtidas automaticamente. O método proposto foi avaliado em um conjunto de dados clínicos de TC. A inspeção visual de diferentes tipos de lesões (nódulos pulmonares e pólipos colônicos), bem como uma avaliação quantitativa em 101 nódulos sólidos e 80 nódulos GGO, demonstram o potencial do método proposto. As características conjuntas de espaço-intensidade-forma fornecem uma dica poderosa para a segmentação bem-sucedida de lesões adjacentes a estruturas de intensidade semelhante, mas de forma diferente, além de lesões que exibem efeito de volume parcial.