FenixEdu™

Dissertação

{pt=Detection and Classification of Human Colorectal Polyps } {} EVALUATED

Detalhes: {pt=Nesta tese abordamos o problema de segmentação e classificação de pólipos colorectais em imagens endoscópicas obtidas por uma cápsula endoscópica sem fios. Sendo os pólipos colorectais precursores do cancro do cólon, e sabendo que uma detecção e remoção precoce dos pólipos colorectais afecta positivamente o prognóstico do cancro do cólon (uma das principais causas de morte por cancro), é o nosso objectivo o desenvolvimento de um método de segmentação e detecção automático de imagens de pólipos colorectais. A abordagem para o método de segmentação e detecção baseia-se no facto de os pólipos, por serem saliências que emergem da parede do cólon, poderem ser segmentados por descriptores de curvatura. Uma vez que os descriptores de curvatura requerem imagens sem ruído e uma representação contínua da imagem, utiliza-se estimação local das imagens (aproximação local polinomial). Um algorítmo de selecção de características foi implementado de modo a determinar um conjunto de características a serem utilizadas. A classificação é efectuada utilizando máquinas de suporte vectorial (MSV), sendo obtidos diferentes de conjuntos de características resultantes das diferentes métricas de progressão utilizadas, do equilíbrio do conjunto de treino, e do tipo de núcleo utilizado pelas MSV. O método de segmentação e detecção com recurso ao classificador foi testado em vários cenários diferentes com bons resultados quer na utilização das mesmas sequências de vídeo como sequências de treino do classificador e do teste, quer na utilização de diferentes sequências de vídeo como sequências de treino do classificador e de teste., en=In this thesis we address the problem of segmentation and detection of colorectal polyps in endoscopic images obtained by a wireless capsule endoscopic device. As colorectal polyps are precursors to colonic cancer, and an early detection and removal of colorectal polyps can positively affect the prognosis of colonic cancer (one of the leading causes of death by cancer), it is our goal to develop an computer aided diagnosis method to detect colorectal polyps. With this in mind, a segmentation and detection method for colorectal polyps images acquired by wireless capsule endoscopy was developed. The cornerstone of the approach of segmentation and detection is the fact that, as polyps are protrusions emerging from colonic walls, the polyps can be segmented by curvature descriptors. The curvature descriptors require denoised images and their continuous representation. Because of this, we use local estimations of the images (Local Polynomial Approximation) which provide both denoising and a continuous representation of the images. A wrapper feature selection algorithm (greedy forward feature selection algorithm) was implemented in order to determine a set of features for the classification. The classification is performed using Support Vector Machines, being obtained several sets of features resulting of the progression metrics used, balancing of the training set, and type of kernel for the SVM. The segmentation and detection method using the classifier was tested in several scenarios presenting good results both using the same video sequences as training data and testing data (cross-feature validation) and different video sequences as training and testing data. }
Keywords: {pt=sgmentação de pólipos, detecção de pólipos, aproximação local polinomial, selecção de características, en=polyp segmentation, polyp detection, local polynomial approximation, forward stepwise wrapper subsection selection}

Discussão: novembro 9, 2011, 18:0