Redes neurais convolucionais para segmentação de tumores cerebrais em imagens de ressonância magnética.

Detalhes bibliográficos
Autor(a) principal: MAIOR NETO, Luis Alberto Souto.
Data de Publicação: 2017
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18785
Resumo: Câncer cerebral é um dos tipos de câncer com maior taxa de mortalidade na atualidade, e uma das suas formas mais comuns são os gliomas. Gliomas são facilmente observáveis em imagens de ressonância magnética (MRI), porém a sua medição e avaliação é uma atividade complexa e demorada graças à grande quantidade e variedade de dados de imagens médicas que um profissional deve lidar. Este fato torna a análise a partir de imagens médicas uma tarefa árdua e susceptível a grande taxa de erro inter- e intra-operador. Para resolver estes problemas, técnicas de diagnose assistida por computador (CAD) foram desenvolvidas. Neste trabalho, todos estes conceitos são abordados de forma minuciosa e metodologias e arquiteturas baseadas em redes neurais convolucionais profundas são propostas para resolver o problema de segmentação de tumores cerebrais em imagens de MRI. Os resultados obtidos indicam uma taxa de acerto Dice score de 88% para segmentação destes tipos de anomalias no banco de dados BRATS 2016.
id UFCG_b55eb73efb33573caea6f58c664a441f
oai_identifier_str oai:localhost:riufcg/18785
network_acronym_str UFCG
network_name_str Biblioteca Digital de Teses e Dissertações da UFCG
repository_id_str 4851
spelling VELOSO, Luciana Ribeiro.VELOSO, L. R.http://lattes.cnpq.br/2498050002491677GURJÃO, Edmar Candeia.GURJÃO, E. C.MAIOR NETO, L. A. S.http://lattes.cnpq.br/4434039310644438MAIOR NETO, Luis Alberto Souto.Câncer cerebral é um dos tipos de câncer com maior taxa de mortalidade na atualidade, e uma das suas formas mais comuns são os gliomas. Gliomas são facilmente observáveis em imagens de ressonância magnética (MRI), porém a sua medição e avaliação é uma atividade complexa e demorada graças à grande quantidade e variedade de dados de imagens médicas que um profissional deve lidar. Este fato torna a análise a partir de imagens médicas uma tarefa árdua e susceptível a grande taxa de erro inter- e intra-operador. Para resolver estes problemas, técnicas de diagnose assistida por computador (CAD) foram desenvolvidas. Neste trabalho, todos estes conceitos são abordados de forma minuciosa e metodologias e arquiteturas baseadas em redes neurais convolucionais profundas são propostas para resolver o problema de segmentação de tumores cerebrais em imagens de MRI. Os resultados obtidos indicam uma taxa de acerto Dice score de 88% para segmentação destes tipos de anomalias no banco de dados BRATS 2016.Cerebral cancer is one of the cancer types with bigger mortality rates in the present days. The most common form of brain cancer is the glioma, which is easily visualized in magnetic resonance images. However, the measurement and evaluation of gliomas is complex and time-consuming due to the great variety and number of medical image data the medical professional has to deal with day-to-day. This increases intra- and inter-operator error variability, making it necessary to develop computer assisted diagnosis (CAD) tools to overcome such problems. In this work, these concepts are approached thoroughly in order to propose and present a method for segmentation of brain tumours on MRI images. The proposed method achieved a Dice score of 88% for anomaly segmentation, evaluated on the BRATS 2016 database.Submitted by Joana Darc Morais da Silva (darc.campo@gmail.com) on 2021-05-13T20:55:50Z No. of bitstreams: 1 LUIS ALBERTO SOUTO MAIOR NETO - TCC ENG. ELÉTRICA 2017.pdf: 3964650 bytes, checksum: 2f66bd5b19e277e67d685e5e7a8d49aa (MD5)Made available in DSpace on 2021-05-13T20:55:50Z (GMT). No. of bitstreams: 1 LUIS ALBERTO SOUTO MAIOR NETO - TCC ENG. ELÉTRICA 2017.pdf: 3964650 bytes, checksum: 2f66bd5b19e277e67d685e5e7a8d49aa (MD5) Previous issue date: 2017-04Universidade Federal de Campina GrandeUFCGBrasilCentro de Engenharia Elétrica e Informática - CEEIEngenharia Elétrica.Redes neurais convolucionaisSegmentação de tumores cerebraisTumores cerebraisRessonância magnéticaImagem médicaProcessamento digital de imagemEngenharia biomédicaCâncer cerebralDiagnose assistida por computadorConvolutional neural networksTargeting brain tumorsBrain tumorsMRIMedical imageDigital image processingBiomedical engineeringBrain cancerComputer-assisted diagnosisRedes neurais convolucionais para segmentação de tumores cerebrais em imagens de ressonância magnética.Convolutional neural networks for targeting brain tumors on magnetic resonance images.2017-042021-05-13T20:55:50Z2021-05-132021-05-13T20:55:50Zhttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18785MAIOR NETO, Luis Alberto Souto. Redes neurais convolucionais para segmentação de tumores cerebrais em imagens de ressonância magnética. 2017. 84f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2017. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18785info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCGLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/18785/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALLUIS ALBERTO SOUTO MAIOR NETO - TCC ENG. ELÉTRICA 2017.pdfLUIS ALBERTO SOUTO MAIOR NETO - TCC ENG. ELÉTRICA 2017.pdfapplication/pdf3964650http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/18785/1/LUIS+ALBERTO+SOUTO+MAIOR+NETO+-+TCC+ENG.+EL%C3%89TRICA+2017.pdf2f66bd5b19e277e67d685e5e7a8d49aaMD51riufcg/187852021-05-13 17:56:27.058oai:localhost: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Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512024-07-01T10:19:39.840720Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false
dc.title.pt_BR.fl_str_mv Redes neurais convolucionais para segmentação de tumores cerebrais em imagens de ressonância magnética.
dc.title.alternative.pt_BR.fl_str_mv Convolutional neural networks for targeting brain tumors on magnetic resonance images.
title Redes neurais convolucionais para segmentação de tumores cerebrais em imagens de ressonância magnética.
spellingShingle Redes neurais convolucionais para segmentação de tumores cerebrais em imagens de ressonância magnética.
MAIOR NETO, Luis Alberto Souto.
Engenharia Elétrica.
Redes neurais convolucionais
Segmentação de tumores cerebrais
Tumores cerebrais
Ressonância magnética
Imagem médica
Processamento digital de imagem
Engenharia biomédica
Câncer cerebral
Diagnose assistida por computador
Convolutional neural networks
Targeting brain tumors
Brain tumors
MRI
Medical image
Digital image processing
Biomedical engineering
Brain cancer
Computer-assisted diagnosis
title_short Redes neurais convolucionais para segmentação de tumores cerebrais em imagens de ressonância magnética.
title_full Redes neurais convolucionais para segmentação de tumores cerebrais em imagens de ressonância magnética.
title_fullStr Redes neurais convolucionais para segmentação de tumores cerebrais em imagens de ressonância magnética.
title_full_unstemmed Redes neurais convolucionais para segmentação de tumores cerebrais em imagens de ressonância magnética.
title_sort Redes neurais convolucionais para segmentação de tumores cerebrais em imagens de ressonância magnética.
author MAIOR NETO, Luis Alberto Souto.
author_facet MAIOR NETO, Luis Alberto Souto.
author_role author
dc.contributor.advisor1.fl_str_mv VELOSO, Luciana Ribeiro.
dc.contributor.advisor1ID.fl_str_mv VELOSO, L. R.
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/2498050002491677
dc.contributor.referee1.fl_str_mv GURJÃO, Edmar Candeia.
dc.contributor.referee1ID.fl_str_mv GURJÃO, E. C.
dc.contributor.authorID.fl_str_mv MAIOR NETO, L. A. S.
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/4434039310644438
dc.contributor.author.fl_str_mv MAIOR NETO, Luis Alberto Souto.
contributor_str_mv VELOSO, Luciana Ribeiro.
GURJÃO, Edmar Candeia.
dc.subject.cnpq.fl_str_mv Engenharia Elétrica.
topic Engenharia Elétrica.
Redes neurais convolucionais
Segmentação de tumores cerebrais
Tumores cerebrais
Ressonância magnética
Imagem médica
Processamento digital de imagem
Engenharia biomédica
Câncer cerebral
Diagnose assistida por computador
Convolutional neural networks
Targeting brain tumors
Brain tumors
MRI
Medical image
Digital image processing
Biomedical engineering
Brain cancer
Computer-assisted diagnosis
dc.subject.por.fl_str_mv Redes neurais convolucionais
Segmentação de tumores cerebrais
Tumores cerebrais
Ressonância magnética
Imagem médica
Processamento digital de imagem
Engenharia biomédica
Câncer cerebral
Diagnose assistida por computador
Convolutional neural networks
Targeting brain tumors
Brain tumors
MRI
Medical image
Digital image processing
Biomedical engineering
Brain cancer
Computer-assisted diagnosis
description Câncer cerebral é um dos tipos de câncer com maior taxa de mortalidade na atualidade, e uma das suas formas mais comuns são os gliomas. Gliomas são facilmente observáveis em imagens de ressonância magnética (MRI), porém a sua medição e avaliação é uma atividade complexa e demorada graças à grande quantidade e variedade de dados de imagens médicas que um profissional deve lidar. Este fato torna a análise a partir de imagens médicas uma tarefa árdua e susceptível a grande taxa de erro inter- e intra-operador. Para resolver estes problemas, técnicas de diagnose assistida por computador (CAD) foram desenvolvidas. Neste trabalho, todos estes conceitos são abordados de forma minuciosa e metodologias e arquiteturas baseadas em redes neurais convolucionais profundas são propostas para resolver o problema de segmentação de tumores cerebrais em imagens de MRI. Os resultados obtidos indicam uma taxa de acerto Dice score de 88% para segmentação destes tipos de anomalias no banco de dados BRATS 2016.
publishDate 2017
dc.date.issued.fl_str_mv 2017-04
dc.date.accessioned.fl_str_mv 2021-05-13T20:55:50Z
dc.date.available.fl_str_mv 2021-05-13
2021-05-13T20:55:50Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18785
dc.identifier.citation.fl_str_mv MAIOR NETO, Luis Alberto Souto. Redes neurais convolucionais para segmentação de tumores cerebrais em imagens de ressonância magnética. 2017. 84f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2017. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18785
url http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18785
identifier_str_mv MAIOR NETO, Luis Alberto Souto. Redes neurais convolucionais para segmentação de tumores cerebrais em imagens de ressonância magnética. 2017. 84f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2017. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18785
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Campina Grande
dc.publisher.initials.fl_str_mv UFCG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Centro de Engenharia Elétrica e Informática - CEEI
publisher.none.fl_str_mv Universidade Federal de Campina Grande
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFCG
instname:Universidade Federal de Campina Grande (UFCG)
instacron:UFCG
instname_str Universidade Federal de Campina Grande (UFCG)
instacron_str UFCG
institution UFCG
reponame_str Biblioteca Digital de Teses e Dissertações da UFCG
collection Biblioteca Digital de Teses e Dissertações da UFCG
bitstream.url.fl_str_mv http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/18785/2/license.txt
http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/18785/1/LUIS+ALBERTO+SOUTO+MAIOR+NETO+-+TCC+ENG.+EL%C3%89TRICA+2017.pdf
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
2f66bd5b19e277e67d685e5e7a8d49aa
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)
repository.mail.fl_str_mv bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br
_version_ 1803396731305459712

Registros relacionados