Image processing for enhancement of ischemic stroke in computed tomography examinations

• Ano de defesa: 2019
• Autor(a) principal: Alves, Allan Felipe Fattori [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: acidente vascular cerebral; processamento de imagens; tomografia computadorizada; diagnóstico precoce; Stroke; Brain; Algorithms; Computed tomography; Early diagnosis
• Link de acesso: http://hdl.handle.net/11449/181997

O acidente vascular cerebral (AVC) é uma das maiores causas de morte em todo o mundo. No Brasil, o AVC é a principal, sendo que em 2009, foi responsável por 10,2% das mortes registradas. A tomografia computadorizada (TC) e a ressonância magnética nuclear (RMN) são as duas principais técnicas de imagem usadas para detectar o AVC. A TC tem um custo menor e maior acessibilidade da população, por isso ainda é o principal método de avaliação do acidente vascular cerebral. A avaliação do cérebro comprometido é realizada de forma subjetiva e pode levar à dificuldades no diagnóstico. Esta pesquisa propõe a implementação de um algoritmo computacional, destacando regiões de AVC isquêmico. Diferentes métodos de processamento de imagem foram utilizados para melhorar a visualização do tecido isquêmico. Um conjunto de 41 tomografias retrospectivas obtidas na Faculdade Medicina de Botucatu foram utilizadas, divididas em 25 casos de AVC isquêmico e 16 pacientes controle. Os casos de AVC foram obtidos dentro de 4,5 horas após os primeiros sintomas. Após a seleção dos slices com a possível presença de AVC, tais slices foram somados resultando em um único slice com valores médios de forma a reduzir o ruído. Isto foi seguido por um modelo de decomposição variacional onde se mantiveram componentes de interesse da imagem. O método de maximização de expectativas foi aplicado para gerar imagens melhoradas. Determinamos um teste de desempenho de observadores em um ambiente clínico. A sensibilidade geral da análise observacional foi de 64,5% e aumentou para 89,6% e especificidade foi de 83,3% e aumentou para 91,7% quando usadas imagens originais e realçadas, respectivamente. Estes resultados mostram a importância de uma ferramenta computacional para auxiliar as decisões de neuroradiologia, especialmente em situações críticas, como o diagnóstico de AVC isquêmico.