Due to the high mortality rate from liver diseases, such as liver cancers, and the complexity in treatment of information in CT scans, responsible for the early detection and diagnosis of liver cancer. It becomes apparent the need for systems CAD (Computer-Aided Diagnosis) as a second opinion in diagnosis, aiming to increase the accuracy in the detection of liver cancer by means of CT. One of the main steps in CAD systems is the segmentation of the object of interest. Thus, many researchers have proposed new techniques of liver segmentation. In this work, we objectively evaluate the performance of two techniques presented in the literature with the objective of comparing and discussing the methodological aspects. The first technique evaluated preprocesses images for noise reduction and contrast enhancement, followed by a deterministic seed launch, and two-dimensional region growing with post-processing. On the other hand, the second technique does not use any pre- or post-processing, realizing the seed launch in a non-deterministic way and a three-dimensional region growing through the response of a one-class classifier. In our evaluation, the first technique obtained a performance of 94.14% while the second technique was 67.54%. Thus, considering the Hit Rate in percentage and the Mean Square Error in cm³, we can conclude that the first technique had a better performance in comparison to the second technique.Trabalho de Conclusão de Curso (Graduação)Devido à elevada taxa de mortalidade decorrente de doenças do fígado e a complexidade no tratamento das informações em exames de Tomografia Computadorizada, fundamentais para a detecção e diagnóstico precoce do câncer de fígado, torna-se aparente a necessidade de sistemas CAD (Computer-Aided Diagnosis) como uma segunda opinião no diagnóstico. Uma das principais etapas nos sistemas CAD é a segmentação do objeto de interesse. Assim, muitos pesquisadores têm proposto novas técnicas de segmentação de fígado. Neste trabalho, avaliamos quantitativamente o desempenho de duas técnicas apresentadas na literatura, uma bidimensional e outra tridimensional, com o objetivo de comparar o desempenho de acordo com cada aspecto metodológico. A primeira técnica avaliada faz o pré-processamento das imagens para redução de ruído e realce de contraste, seguido de um lançamento de sementes determinístico, e crescimento de região bidimensional com pós-processamento. Por outro lado, a segunda técnica não utiliza de qualquer pré ou pós-processamento, realizando o lançamento de sementes de modo não-determinístico e o crescimento de região tridimensional por meio da resposta de um classificador de uma-classe. Em nossa avaliação, a primeira técnica obteve um desempenho de 95,13% enquanto a segunda técnica de 67,54%. Desta forma, considerando a Taxa de Acerto em porcentagem e o Erro Quadrático Médio em cm³, podemos concluir que a primeira técnica teve um melhor desempenho em relação a segunda técnica.