Sistema automático para quantificação e visualização da aeração pulmonar em imagens de tomografia computadorizada de tórax: Sistema de Análise de Imagens Pulmonares – SAIP / Automatic system for quantification and visualization of lung aeration on chest computed tomography images: the Lung Image System Analysis – LISA

RESUMO

A tomografia computadorizada de alta resolução (TCAR) é o exame de escolha na avaliação diagnóstica de afecções do parênquima pulmonar. Neste particular, há um interesse crescente por sistemas computacionais capazes de analisar automaticamente a densidade radiológica dos pulmões. O principal objetivo deste trabalho é apresentar um sistema automático para quantificação e visualização do grau de aeração pulmonar (SAIP), em imagens de TCAR de pulmões com diferentes graus de alterações da aeração pulmonar. Como objetivo secundário comparar o SAIP ao sistema Osiris e a um algoritmo específico de segmentação pul­monar (SP), quanto à acurácia na segmentação do parênquima pulmonar. O SAIP disponibiliza atributos quantitativos extraídos automaticamente, tais como perímetro, área e volume da secção pulmonar, bem como o histograma de faixa de densidades ra­diológicas e acumulado, densidade pulmonar média (Dpm) em unidades Hounsfield (UH), área relativa dos voxels com densi­dade menor que –950 UH (RA950) e os valores de 15° percentil de baixa atenuação (PERC15). Além disso, é capaz de processar imagens por meio de uma ferramenta de máscara colorida, que aplica pseudo­cores no parênquima pulmonar, conforme faixas de densidade radiológicas pré­determinadas. Os resultados da segmentação pulmonar são comparados para um conjunto de 102 imagens de 8 voluntários saudáveis e 141 imagens de 11 pacientes com doença pulmonar obstrutiva crônica (DPOC). Quanto à segmentação, o SAIP se apresenta mais efetivo do que os outros dois métodos. O SAIP constitui uma ferramenta pro­missora no auxílio ao diagnóstico de enfisema em pacientes com DPOC, com grande potencial de aplicação nesta área e em outras doenças pulmonares.

ABSTRACT

High Resolution Computed Tomography (HRCT) is the exam of choice for the diagnostic evaluation of lung parenchyma diseases. There is an increasing interest for computational systems able to automatically analyze the radiological densities of the lungs in CT images. The main objective of this study is to present a system for the automatic quantification and visualization of the lung aeration in HRCT images of different degrees of aeration, called Lung Image System Analysis (LISA). The secondary objective is to compare LISA to the Osiris system and also to specific algorithm lung segmentation (ALS), on the accuracy of the lungs segmentation. The LISA system automatically extracts the following image attributes lungs perimeter, cross sectional area, volume, the radiological densities histograms, the mean lung density (MLD) in Hounsfield units (HU), the relative area of the lungs with voxels with density values lower than –950 HU (RA950) and the 15th percentile of the least density voxels (PERC15). Furthermore, LISA has a colored mask algorithm that applies pseudo-colors to the lung parenchyma according to the pre-defined radiological density chosen by the system user. The lungs segmentations of 102 images of 8 healthy volunteers and 141 images of 11 patients with Chronic Obstructive Pulmonary Disease (COPD) were compared on the accuracy and concordance among the three methods. The LISA was more effective on lungs segmentation than the other two methods. LISA’s color mask tool improves the spatial visualization of the degrees of lung aeration and the various attributes of the image that can be extracted may help physicians and researchers to better assess lung aeration both quantitatively and qualitatively. LISA may have important clinical and research applications on the assessment of global and regional lung aeration and therefore deserves further developments and validation studies.