Segmentação do miocárdio em imagens de MRI cardíaca utilizando redes neurais convolutivas

Detalhes bibliográficos
Autor(a) principal: Romaguera, Liset Várquez
Data de Publicação: 2017
Outros Autores: http://lattes.cnpq.br/2702099321166330
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFAM
Texto Completo: http://tede.ufam.edu.br/handle/tede/5707
Resumo: As doenças cardiovasculares são a principal causa de morte a nível mundial. As tecnologias não invasivas de imageamento cardíaco, tais como a ressonância magnética, são ferramentas essenciais de apoio ao diagnóstico e monitoramento de diversas patologias. Um passo fundamental para a extração dos indicadores da função cardíaca é a segmentação dos contornos do endocárdio e do epicárdio na cavidade ventricular esquerda. Este processo, a maioria das vezes, é realizado manualmente pelos especialistas, o qual exige muito tempo e esforço, além de que é propenso a erros intra e inter-observadores. Esta dissertação desenvolve uma metodologia automática baseada em uma rede neural totalmente convolutiva para segmentar o miocárdio em imagens do eixo curto de ressonância magnética cardíaca. O banco de imagens utilizado é dividido em 10 conjuntos para propósitos de treinamento e teste. São avaliados seis métodos de otimização, a saber, o gradiente descendente estocástico, o gradiente acelerado de Nesterov, o RMSProp, o Adam, o AdaDelta e o AdaGrad. Os melhores resultados foram alcançados com o gradiente descendente estocástico e com o RMSProp. Com o gradiente descendente estocástico foi obtido um coeficiente Dice de 0,9055 e 0,9146, distância de Hausdorff de 10,5244 e 10,7240, sensibilidade de 0,9263 e 0,9135, especificidade de 0,9985 e 0,9986, para o endocárdio e epicárdio, respectivamente. Com o RMSProp foi obtido um coeficiente Dice de 0,9098 e 0,9167, distância de Hausdorff de 9,0421 e 9,7663, sensibilidade de 0,9200 e 0,9116, especificidade de 0,9988 e 0,9987, para o endocárdio e epicárdio, respectivamente.
id UFAM_5e691df324b119163a4e684a31f55771
oai_identifier_str oai:https://tede.ufam.edu.br/handle/:tede/5707
network_acronym_str UFAM
network_name_str Biblioteca Digital de Teses e Dissertações da UFAM
repository_id_str 6592
spelling Segmentação do miocárdio em imagens de MRI cardíaca utilizando redes neurais convolutivasRessonância Magnética CardíacaMiocárdioRedes Neurais ConvolutivasENGENHARIAS: ENGENHARIA ELÉTRICAAs doenças cardiovasculares são a principal causa de morte a nível mundial. As tecnologias não invasivas de imageamento cardíaco, tais como a ressonância magnética, são ferramentas essenciais de apoio ao diagnóstico e monitoramento de diversas patologias. Um passo fundamental para a extração dos indicadores da função cardíaca é a segmentação dos contornos do endocárdio e do epicárdio na cavidade ventricular esquerda. Este processo, a maioria das vezes, é realizado manualmente pelos especialistas, o qual exige muito tempo e esforço, além de que é propenso a erros intra e inter-observadores. Esta dissertação desenvolve uma metodologia automática baseada em uma rede neural totalmente convolutiva para segmentar o miocárdio em imagens do eixo curto de ressonância magnética cardíaca. O banco de imagens utilizado é dividido em 10 conjuntos para propósitos de treinamento e teste. São avaliados seis métodos de otimização, a saber, o gradiente descendente estocástico, o gradiente acelerado de Nesterov, o RMSProp, o Adam, o AdaDelta e o AdaGrad. Os melhores resultados foram alcançados com o gradiente descendente estocástico e com o RMSProp. Com o gradiente descendente estocástico foi obtido um coeficiente Dice de 0,9055 e 0,9146, distância de Hausdorff de 10,5244 e 10,7240, sensibilidade de 0,9263 e 0,9135, especificidade de 0,9985 e 0,9986, para o endocárdio e epicárdio, respectivamente. Com o RMSProp foi obtido um coeficiente Dice de 0,9098 e 0,9167, distância de Hausdorff de 9,0421 e 9,7663, sensibilidade de 0,9200 e 0,9116, especificidade de 0,9988 e 0,9987, para o endocárdio e epicárdio, respectivamente.Cardiovascular diseases are the leading cause of death worldwide. Noninvasive cardiac imaging technologies, such as magnetic resonance, are essential tools to support the diagnosis and monitoring of various pathologies. The previous step for the extraction of cardiac function indicators is the endocardium and epicardium contours segmentation in the left ventricular cavity. This process often is performed manually by the specialists, which requires a lot of time and effort, and is prone to intra and inter-observer errors. This dissertation develops an automatic methodology based on a fully convolutional neural network to segment the myocardium in short axis cardiac magnetic resonance images. The database used is divided into 10 sets for training and testing purposes. Six optimization methods are evaluated: stochastic gradient descend, Nesterov accelerated gradient, RMSProp, Adam, AdaDelta and AdaGrad. The best results were achieved with the stochastic gradient descend and RMSProp. With the former, a Dice coefficient of 0.9055 and 0.9146, Hausdorff distance of 10.5244 and 10.7240, sensitivity of 0.9263 and 0.9135, specificity of 0.9985 and 0.9986 were obtained for endocardium and epicardium, respectively. With RMSProp, a Dice coefficient of 0.9098 and 0.9167, Hausdorff distance of 9.0421 and 9.7663, sensitivity of 0.9200 and 0.9116, specificity of 0.9988 and 0.9987 were obtained for endocardium and epicardium, respectively.CAPESUniversidade Federal do AmazonasFaculdade de TecnologiaBrasilUFAMPrograma de Pós-graduação em Engenharia ElétricaCosta, Marly Guimarães Fernandeshttp://lattes.cnpq.br/7169358412541736Costa, Marly Guimarães Fernandeshttp://lattes.cnpq.br/7169358412541736Romaguera, Liset Várquezhttp://lattes.cnpq.br/27020993211663302017-06-23T13:09:36Z2017-04-17info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfROMAGUERA, Liset Vázquez. Segmentação do miocárdio em imagens de MRI cardíaca utilizando redes neurais convolutivas. 2017. 153 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2017.http://tede.ufam.edu.br/handle/tede/5707porhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFAMinstname:Universidade Federal do Amazonas (UFAM)instacron:UFAM2018-08-16T18:10:08Zoai:https://tede.ufam.edu.br/handle/:tede/5707Biblioteca Digital de Teses e Dissertaçõeshttp://200.129.163.131:8080/PUBhttp://200.129.163.131:8080/oai/requestddbc@ufam.edu.br||ddbc@ufam.edu.bropendoar:65922018-08-16T18:10:08Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)false
dc.title.none.fl_str_mv Segmentação do miocárdio em imagens de MRI cardíaca utilizando redes neurais convolutivas
title Segmentação do miocárdio em imagens de MRI cardíaca utilizando redes neurais convolutivas
spellingShingle Segmentação do miocárdio em imagens de MRI cardíaca utilizando redes neurais convolutivas
Romaguera, Liset Várquez
Ressonância Magnética Cardíaca
Miocárdio
Redes Neurais Convolutivas
ENGENHARIAS: ENGENHARIA ELÉTRICA
title_short Segmentação do miocárdio em imagens de MRI cardíaca utilizando redes neurais convolutivas
title_full Segmentação do miocárdio em imagens de MRI cardíaca utilizando redes neurais convolutivas
title_fullStr Segmentação do miocárdio em imagens de MRI cardíaca utilizando redes neurais convolutivas
title_full_unstemmed Segmentação do miocárdio em imagens de MRI cardíaca utilizando redes neurais convolutivas
title_sort Segmentação do miocárdio em imagens de MRI cardíaca utilizando redes neurais convolutivas
author Romaguera, Liset Várquez
author_facet Romaguera, Liset Várquez
http://lattes.cnpq.br/2702099321166330
author_role author
author2 http://lattes.cnpq.br/2702099321166330
author2_role author
dc.contributor.none.fl_str_mv Costa, Marly Guimarães Fernandes
http://lattes.cnpq.br/7169358412541736
Costa, Marly Guimarães Fernandes
http://lattes.cnpq.br/7169358412541736
dc.contributor.author.fl_str_mv Romaguera, Liset Várquez
http://lattes.cnpq.br/2702099321166330
dc.subject.por.fl_str_mv Ressonância Magnética Cardíaca
Miocárdio
Redes Neurais Convolutivas
ENGENHARIAS: ENGENHARIA ELÉTRICA
topic Ressonância Magnética Cardíaca
Miocárdio
Redes Neurais Convolutivas
ENGENHARIAS: ENGENHARIA ELÉTRICA
description As doenças cardiovasculares são a principal causa de morte a nível mundial. As tecnologias não invasivas de imageamento cardíaco, tais como a ressonância magnética, são ferramentas essenciais de apoio ao diagnóstico e monitoramento de diversas patologias. Um passo fundamental para a extração dos indicadores da função cardíaca é a segmentação dos contornos do endocárdio e do epicárdio na cavidade ventricular esquerda. Este processo, a maioria das vezes, é realizado manualmente pelos especialistas, o qual exige muito tempo e esforço, além de que é propenso a erros intra e inter-observadores. Esta dissertação desenvolve uma metodologia automática baseada em uma rede neural totalmente convolutiva para segmentar o miocárdio em imagens do eixo curto de ressonância magnética cardíaca. O banco de imagens utilizado é dividido em 10 conjuntos para propósitos de treinamento e teste. São avaliados seis métodos de otimização, a saber, o gradiente descendente estocástico, o gradiente acelerado de Nesterov, o RMSProp, o Adam, o AdaDelta e o AdaGrad. Os melhores resultados foram alcançados com o gradiente descendente estocástico e com o RMSProp. Com o gradiente descendente estocástico foi obtido um coeficiente Dice de 0,9055 e 0,9146, distância de Hausdorff de 10,5244 e 10,7240, sensibilidade de 0,9263 e 0,9135, especificidade de 0,9985 e 0,9986, para o endocárdio e epicárdio, respectivamente. Com o RMSProp foi obtido um coeficiente Dice de 0,9098 e 0,9167, distância de Hausdorff de 9,0421 e 9,7663, sensibilidade de 0,9200 e 0,9116, especificidade de 0,9988 e 0,9987, para o endocárdio e epicárdio, respectivamente.
publishDate 2017
dc.date.none.fl_str_mv 2017-06-23T13:09:36Z
2017-04-17
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 ROMAGUERA, Liset Vázquez. Segmentação do miocárdio em imagens de MRI cardíaca utilizando redes neurais convolutivas. 2017. 153 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2017.
http://tede.ufam.edu.br/handle/tede/5707
identifier_str_mv ROMAGUERA, Liset Vázquez. Segmentação do miocárdio em imagens de MRI cardíaca utilizando redes neurais convolutivas. 2017. 153 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2017.
url http://tede.ufam.edu.br/handle/tede/5707
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Amazonas
Faculdade de Tecnologia
Brasil
UFAM
Programa de Pós-graduação em Engenharia Elétrica
publisher.none.fl_str_mv Universidade Federal do Amazonas
Faculdade de Tecnologia
Brasil
UFAM
Programa de Pós-graduação em Engenharia Elétrica
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFAM
instname:Universidade Federal do Amazonas (UFAM)
instacron:UFAM
instname_str Universidade Federal do Amazonas (UFAM)
instacron_str UFAM
institution UFAM
reponame_str Biblioteca Digital de Teses e Dissertações da UFAM
collection Biblioteca Digital de Teses e Dissertações da UFAM
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)
repository.mail.fl_str_mv ddbc@ufam.edu.br||ddbc@ufam.edu.br
_version_ 1809732021164965888