Redes neurais convolucionais para segmentação de tumores cerebrais em imagens de ressonância magnética.
Autor(a) principal: | |
---|---|
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 |