Desenvolvimento de um sistema de reconhecimento de padrões para simular imagens de ressonância magnética com contraste

Detalhes bibliográficos
Autor(a) principal: Nunes, Rebeca de Oliveira
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.21/10089
Resumo: Mestrado em Radiações Aplicadas às Tecnologias da Saúde. Ramo de especialização: Ressonância Magnética.
id RCAP_2c8d10414d1eab94164f52fc6d6ae398
oai_identifier_str oai:repositorio.ipl.pt:10400.21/10089
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Desenvolvimento de um sistema de reconhecimento de padrões para simular imagens de ressonância magnética com contrasteRessonância magnéticaContraste de GadolínioRede neuronal artificialImagem de contrasteMagnetic resonanceContrast of GadoliniumArtificial neural networkContrast imageMestrado em Radiações Aplicadas às Tecnologias da Saúde. Ramo de especialização: Ressonância Magnética.A ressonância magnética (RM) representa um dos mais significativos avanços tecnológicos no que se refere a diagnósticos médicos por imagem. Dependendo do exame que se pretende realizar, pode ser necessário o uso do gadolínio (como agente de contraste exógeno) para se obter imagens com maior valor de diagnóstico. O contraste de gadolínio realça a diferença de sinal entre tecidos saudável e patológico, o que permite o diagnóstico mais preciso e tomada de decisões do médico. Porém, o uso do contraste intravenoso pode ser prejudicial a pessoas com, por exemplo, insuficiência renal, não sendo, neste caso, recomendado o seu uso. Pessoas com este tipo de deficiência podem desenvolver fibrose sistémica nefrogénica (FSN), que não tem cura e pode ser letal. Neste contexto, este trabalho teve como objectivo verificar se há uma correlação entre as imagens ponderadas em T1 e T2 para simular, a partir de suas informações, imagens artificialmente contrastadas. Uma vez que as relações entre os valores dos pixels das diferentes regiões e tecidos observados em imagens de RM são complexas, esta análise utilizou como ferramenta redes neuronais artificiais (RNA), um sistema computacional com capacidade de aprender relações complexas dentro de um conjunto de dados, processar e desempenhar uma determinada tarefa. Os testes foram realizados com imagens segmentadas em 7, 14 e 32 níveis de cinzento. As imagens artificialmente contrastadas, geradas pela RNA, foram comparadas às imagens reais de pós contraste (segmentada no mesmo número de cinzentos a testar) de cada paciente, no intuito de verificar não só a capacidade da RNA em gerar as imagens pretendidas, mas também a influência que o número de cinzentos da imagem exerce sobre o resultado final. Como resultado, a rede neuronal obteve uma média de 54,22% de desempenho na aprendizagem e de 66,05% na eficácia em gerar, como resposta ao treino, uma imagem semelhante à pretendida (média de semelhança obtida entre as imagens comparadas), o que permite concluir que esta correlação não apenas pode ser avaliada como também artificialmente simulada.ABSTRACT - Magnetic resonance imaging (MRI) represents one of the most significant technological advances in medical imaging diagnostics. Depending on the intended examination, the use of gadolinium (as an exogenous contrast agent) may be necessary to obtain images with a higher diagnostic value. The gadolinium contrast enhances the difference in signal between healthy and pathological tissues, which allows more accurate diagnosis and decision making of the doctor. However, the use of intravenous contrast may be harmful to people with, for example, renal failure, and in this case its use is not recommended. People with this type of disability may develop a condition called nephrogenic systemic fibrosis (NSF), which has no cure and can be fatal. In this context, this study aimed to verify if there is a correlation between T1 - weighted images and T2 - weighted images to simulate, from their information, artificially contrasted images. Since the relationships between the pixel values of the different regions and tissues observed in MRI images are complex, this analysis used as an Artificial Neural Networks (ANN) tool, a computational system capable of learning complex relationships within a set of data, process and perform a certain task. The tests were performed with segmented images at 7, 14 and 32 levels of gray. The artificially contrasted images, generated by the ANN, were compared to the real post-contrast images (segmented in the same number of gray to be tested) of each patient, in order to verify not only the ANN's ability to generate the desired images, but also the influence that the number of grays of an image exerts on the final result. As a result, the neural network obtained an average of 54.22% of performance in learning and 66.05% of effectiveness in generating, in response to training, an image similar to that intended (average similarity obtained between the compared images), the which allows us to conclude that this correlation can not only be evaluated but also artificially simulated.Escola Superior de Tecnologia da Saúde de Lisboa/Instituto Politécnico de LisboaFreire, LuísRCIPLNunes, Rebeca de Oliveira2019-05-28T13:47:23Z20182018-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.21/10089TID:202262618porNunes RO. Desenvolvimento de um sistema de reconhecimento de padrões para simular imagens de ressonância magnética com contraste [dissertation]. Lisboa: Escola Superior de Tecnologia da Saúde de Lisboa/Instituto Politécnico de Lisboa; 2018.info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-08-03T09:59:37Zoai:repositorio.ipl.pt:10400.21/10089Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T20:18:34.468092Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Desenvolvimento de um sistema de reconhecimento de padrões para simular imagens de ressonância magnética com contraste
title Desenvolvimento de um sistema de reconhecimento de padrões para simular imagens de ressonância magnética com contraste
spellingShingle Desenvolvimento de um sistema de reconhecimento de padrões para simular imagens de ressonância magnética com contraste
Nunes, Rebeca de Oliveira
Ressonância magnética
Contraste de Gadolínio
Rede neuronal artificial
Imagem de contraste
Magnetic resonance
Contrast of Gadolinium
Artificial neural network
Contrast image
title_short Desenvolvimento de um sistema de reconhecimento de padrões para simular imagens de ressonância magnética com contraste
title_full Desenvolvimento de um sistema de reconhecimento de padrões para simular imagens de ressonância magnética com contraste
title_fullStr Desenvolvimento de um sistema de reconhecimento de padrões para simular imagens de ressonância magnética com contraste
title_full_unstemmed Desenvolvimento de um sistema de reconhecimento de padrões para simular imagens de ressonância magnética com contraste
title_sort Desenvolvimento de um sistema de reconhecimento de padrões para simular imagens de ressonância magnética com contraste
author Nunes, Rebeca de Oliveira
author_facet Nunes, Rebeca de Oliveira
author_role author
dc.contributor.none.fl_str_mv Freire, Luís
RCIPL
dc.contributor.author.fl_str_mv Nunes, Rebeca de Oliveira
dc.subject.por.fl_str_mv Ressonância magnética
Contraste de Gadolínio
Rede neuronal artificial
Imagem de contraste
Magnetic resonance
Contrast of Gadolinium
Artificial neural network
Contrast image
topic Ressonância magnética
Contraste de Gadolínio
Rede neuronal artificial
Imagem de contraste
Magnetic resonance
Contrast of Gadolinium
Artificial neural network
Contrast image
description Mestrado em Radiações Aplicadas às Tecnologias da Saúde. Ramo de especialização: Ressonância Magnética.
publishDate 2018
dc.date.none.fl_str_mv 2018
2018-01-01T00:00:00Z
2019-05-28T13:47:23Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.21/10089
TID:202262618
url http://hdl.handle.net/10400.21/10089
identifier_str_mv TID:202262618
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Nunes RO. Desenvolvimento de um sistema de reconhecimento de padrões para simular imagens de ressonância magnética com contraste [dissertation]. Lisboa: Escola Superior de Tecnologia da Saúde de Lisboa/Instituto Politécnico de Lisboa; 2018.
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Escola Superior de Tecnologia da Saúde de Lisboa/Instituto Politécnico de Lisboa
publisher.none.fl_str_mv Escola Superior de Tecnologia da Saúde de Lisboa/Instituto Politécnico de Lisboa
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133450113908736

Registros relacionados