Os músculos extraoculares (EOM), responsáveis pelas rotações oculares, apresentam-se aumentados em suas dimensões na orbitopatia de Graves, o que pode levar o paciente à cegueira (neuropatia óptica). Na prática clínica normalmente mede-se manualmente, em cada imagem coronal de tomografia computadorizada por raios-X (CT), o diâmetro desses músculos para avaliar se estes estão aumentados. A subjetividade e o tempo consumido na aquisição destas medidas são as principais deficiências desses métodos manuais. Dessa forma, apresentamos um método de segmentação dos EOM (MSEG) que supera as falhas, acima citadas. O MSEG proposto é baseado no detector de bordas Laplaciano da Gaussiana (LoG) associado à morfologia matemática. Para determinação do tamanho da máscara LoG levou-se em consideração os efeitos devido ao truncamento e a amostragem. A acurácia das medidas em modelos tridimensionais (3D) é afetada pelo efeito de volume parcial (PVE). Em CT, por exemplo, falsas estruturas de tecidos moles aparecem nas interfaces do osso-para-gordura e do osso-para-ar. Além disso, a pele, que tem número CT (ou escala de Hounsfield) idêntico ao tecido mole, obscurece a renderização deste. A fim de produzir imagens 3D do osso e dos tecidos moles, mais confiáveis para medidas e com melhora de qualidade, foram desenvolvidos dois métodos de classificação dos voxels com PVE (MCLA) baseados num novo modelo de mistura. A remoção da pele é realizada por meio da morfologia matemática. Renderizações volumétricas foram criadas, antes e depois de aplicar os MCLA. Experimentos qualitativo e quantitativo foram conduzidos utilizando fantons matemáticos que simularam diferentes níveis de PVE por adição de ruído e borramento e em dados clínicos de CT. O resultado em 218 pares de medidas de áreas dos EOM realizadas em imagens coronais de CT (3 normais e 2 Graves) revelou uma boa correlação (R=0,92) entre o MSEG e o traçado manual. A medida de taxa de ocupação dos EOM na órbita (TO) feita em 33 pacientes (5 normais e 28 Graves) apresentou o maior valor no grupo Graves com neuropatia óptica, TO=34,3%. Este valor é quase cinco vezes maior que o grupo normal, TO=7,3%. Todos os resultados demonstraram uma melhora de qualidade das imagens 3D depois da aplicação dos MCLA. A análise quantitativa indica que mais de 98% dos voxels com PVE foram removidos por ambos MCLA, e o segundo MCLA têm um desempenho um pouco melhor que o primeiro. Além disso, a remoção da pele torna vívidos os finos detalhes nas estruturas musculares. Medidas em modelos 3D devem ser tomadas com cuidado na radiologia em vista dos artefatos demonstrados neste trabalho, artefatos vindos, principalmente, do PVE. Em nossos experimentos, os erros nas medidas de volume dos EOM foram acima de 25% do valor estimado como "verdadeiro". Imagens volumétricas com PVE resolvidos são apresentadas, e assim medidas mais acuradas são asseguradas.

The extraocular muscles (EOM), which are responsible for the eyes movements, are presented enlarged in their dimensions in Graves’ orbitopathy. These deformations can lead patients to blindness. In clinical routine, physicians normally evaluate, in computer tomography (CT) images, the diameter of the EOM by manual tracing to check if they are enlarged. However, the accuracy of the EOM measurements is impaired by the subjectivity of these manual methods. Further, the time consuming is also one of the main drawbacks on these methods. This way we present an EOM segmentation method (MSEG) that overcomes the difficulties pointed above. The MSEG method is based on the Laplacian-of-Gaussian operator (LOG) combined with the mathematical morphology theory. We have taken into account the effect of discretization and numerical truncation during the LOG implementation. In CT, partial volume effects (PVE) cause several artifacts in volume rendering. In order to create 3D rendition more reliable to carry out anatomical measures and also to pursue superior quality of display of both soft-tissue and bone, we introduce two methods for detecting and classifying voxels with PVE (MCLA) based on a new approach. A method is described to automatically peel skin so that PVE-resolved renditions of bone and soft-tissue reveal considerably more details. We have conducted experiments to evaluate quantitatively and qualitatively all methods proposed here. The MSEG method is well correlated with manual tracing in our experiments (R=0,92). Surface renditions are created from EOM CT dataset segmented using the MSEG method. We have also conducted a quantitative evaluation in patients with Graves’ orbitopathy wherein the EOM volume ratio in the orbit (TO) was T=34,3%, which is about five times higher than in normal patient (TO=7,3%). Volume renditions have been created before and after applying the methods for several patient CT datasets. A mathematical phantom experiment involving different levels of PVE has been conducted by adding different degrees of noise and blurring. A quantitative evaluation was performed using the mathematical phantom and clinical CT data wherein an operator carefully masked out voxels with PVE in the segmented images. All results have demonstrated the enhanced quality of display of bone and soft tissue after applying the proposed methods. The quantitative evaluations indicate that more than 98% of the voxels with PVE are removed by the two methods and the second method performs slightly better than the first. Further, skin peeling vividly reveals fine details in the soft tissue structures. 3D renditions should be used with care in radiology in view of artifacts demonstrated in this work coming from PVE. Finally, we have estimated volume errors in the EOM models higher than 25% if PVE is not properly handled.