20
desvio padrão de 1,1%, com relação à forma descrita pelo especialista. O trabalho de
Özekes (2007), usando segmentação baseada em regras e template matching treinado
com algoritmo genético, teve resultados bastante significativos. Seu sistema achou
93,4% de sensibilidade e 0,594 falsos positivos por exame. Ainda através de template
matching, mas com a adição de uma rede neural celular genética e limiarização baseada
em regra fuzzy, Özekes (2008) conseguiu uma sensibilidade de 100% e uma taxa de
falsos positivos de 13,375 por caso. Sob a mesma perspectiva, Li (2008) obteve, através
de filtros de reforço seletivo e segmentação baseada em regras, uma sensibilidade de
86%, 81% e 75%, e com falsos positivos por exame de 6,6, 3,3 e 1,6, respectivamente,
em um esquema de quatro conjuntos para validação cruzada. Pu (2008) utiliza um
campo de distância sinalizado em todo o volume de imagens e detecta os máximos
encontrados como potenciais nódulos, que em seguida, são ranqueados conforme a
distância do eixo medial, obtido por meio do agrupamento e da aplicação do algoritmo
de cubos marchantes. Foram realizados testes em 52 exames sob uma base proprietária
que continha 184 nódulos pulmonares e cujos resultados obtidos foram de 95,1% de
sensibilidade e uma média de 1200 voxels suspeitos por exame. Usando também
imagens de baixa densidade e contornos ativos, combinado com um algoritmo de
múltilimiarização, iniciado em pontos que possuíam máxima semelhança a uma esfera e
obtidos através dos autovalores em cada voxel, Fiebich (2009) conseguiu detectar 58%
dos nódulos em sua base, com taxa de falso positivo de 1,38. Trabalhos como o de Ye
(2009) usam cinco características, contendo informações de intensidade, índice de
forma e localização espacial 3D. Seu trabalho mostra que a sobreposição média dos
nódulos segmentados pelo seu método está próxima de 0,81. Sousa (2009) desenvolveu
um completo sistema de segmentação automática em múltiplos estágios. Cada estágio
do sistema foi responsável por segmentar porções significativas do volume de imagens
de TC. No total, foram seis estágios que compreendem cada uma das etapas do
processo: extração do tórax, extração do pulmão, reconstrução pulmonar, extração de
estruturas, eliminação de estruturas tubulares e redução de falsos positivos. Os três
primeiros estágios deste sistema foram utilizados neste trabalho, para a redução do
volume de interesse. Os resultados obtidos por seu sistema mostram uma taxa de falsos
positivos de 0,42 e uma taxa de falsos negativos 0,15, com sensibilidade de 100%.
Muitos trabalhos utilizaram uma mesma base de imagens com o objetivo de
comparar os resultados obtidos pelos diferentes métodos propostos por cada. A base de