Sistema para detecção de bordas em exames clínicos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | https://app.uff.br/riuff/handle/1/5320 |
Resumo: | No mundo de hoje a computação é algo que está inteiramente ligada ao nosso dia a dia. Cada vez mais utilizamos algoritmos com o propósito de evitar a perda de tempo. Assim, podemos focar nas partes mais essenciais deixando o trabalho repetitivo, padronizado e, às vezes, complicado, para as máquinas que conseguem desenvol-ver estas tarefas com velocidade e com uma pequena margem de erro. Em meio a tantas automatizações, existe a computação visual, que procura receber a informação do mundo visualizando-o através de imagens. Porém, para que estas imagens possam ser analisadas de maneira eficiente, antes, elas precisam passar por um processo de “limpeza” para eliminar borrões e informações não relevantes para a borda que se encontram na imagem. Essa limpeza é geralmente realizada por um filtro para então separar a ROI (Region of Interest), ou seja, a região considerada importante para determinada situação. Essa área será delimitada por uma borda que irá realçar seu interior do resto da imagem. É muito importante traçar bordas de maneira eficiente, pois estas bordas serão, em muitos casos, a imagem obtida como resultado. Então suponha que um exame te-nha tido bordas importantes que não foram detectadas. Isso pode gerar interpreta-ções erradas do profissional que estiver analisando aquele exame. Pode ser algo importante que não foi detectado e, consequentemente, não apareceria na imagem. Além disso, também é importante que a ROI seja muito bem definida, tanto para que não elimine uma parte da região que deveria estar inclusa, quanto para que o processamento da aplicação seja totalmente focado apenas no que é importante tornando a obtenção dos resultados mais rápida. Este trabalho busca segmentar imagens e aplicar algoritmos para detecção de bordas em exames médicos. Este tipo de algoritmo analisa os pixels de uma imagem e encontra as grandes variações de intensidade nestes pixels para determinar as bordas presentes. Isso aumenta o contraste entre a borda e o fundo, criando um contorno que realça a parte que será realmente analisada. Assim, os exames poderão ser avaliados de forma mais eficiente, já que a informação desejada estará em realce |
id |
UFF-2_7904d028f8eb0838cf3cd079baa14e3f |
---|---|
oai_identifier_str |
oai:app.uff.br:1/5320 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Sistema para detecção de bordas em exames clínicosAlgoritmo de cannySegmentação de imagem e computação gráficaSegmentação de imagemAlgoritmo computacionalComputação gráficaExame clínicoNo mundo de hoje a computação é algo que está inteiramente ligada ao nosso dia a dia. Cada vez mais utilizamos algoritmos com o propósito de evitar a perda de tempo. Assim, podemos focar nas partes mais essenciais deixando o trabalho repetitivo, padronizado e, às vezes, complicado, para as máquinas que conseguem desenvol-ver estas tarefas com velocidade e com uma pequena margem de erro. Em meio a tantas automatizações, existe a computação visual, que procura receber a informação do mundo visualizando-o através de imagens. Porém, para que estas imagens possam ser analisadas de maneira eficiente, antes, elas precisam passar por um processo de “limpeza” para eliminar borrões e informações não relevantes para a borda que se encontram na imagem. Essa limpeza é geralmente realizada por um filtro para então separar a ROI (Region of Interest), ou seja, a região considerada importante para determinada situação. Essa área será delimitada por uma borda que irá realçar seu interior do resto da imagem. É muito importante traçar bordas de maneira eficiente, pois estas bordas serão, em muitos casos, a imagem obtida como resultado. Então suponha que um exame te-nha tido bordas importantes que não foram detectadas. Isso pode gerar interpreta-ções erradas do profissional que estiver analisando aquele exame. Pode ser algo importante que não foi detectado e, consequentemente, não apareceria na imagem. Além disso, também é importante que a ROI seja muito bem definida, tanto para que não elimine uma parte da região que deveria estar inclusa, quanto para que o processamento da aplicação seja totalmente focado apenas no que é importante tornando a obtenção dos resultados mais rápida. Este trabalho busca segmentar imagens e aplicar algoritmos para detecção de bordas em exames médicos. Este tipo de algoritmo analisa os pixels de uma imagem e encontra as grandes variações de intensidade nestes pixels para determinar as bordas presentes. Isso aumenta o contraste entre a borda e o fundo, criando um contorno que realça a parte que será realmente analisada. Assim, os exames poderão ser avaliados de forma mais eficiente, já que a informação desejada estará em realceUniversidade Federal FluiminenseNiteróiMachado, Danubia de AraujoAmaral, Rafael BurlamaquiFreitas, Rômulo Ponciano da Silva2017-12-04T13:51:16Z2017-12-04T13:51:16Z2016info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttps://app.uff.br/riuff/handle/1/5320Aluno de graduaçãoCC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2022-03-23T18:33:36Zoai:app.uff.br:1/5320Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T11:02:20.661975Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Sistema para detecção de bordas em exames clínicos |
title |
Sistema para detecção de bordas em exames clínicos |
spellingShingle |
Sistema para detecção de bordas em exames clínicos Freitas, Rômulo Ponciano da Silva Algoritmo de canny Segmentação de imagem e computação gráfica Segmentação de imagem Algoritmo computacional Computação gráfica Exame clínico |
title_short |
Sistema para detecção de bordas em exames clínicos |
title_full |
Sistema para detecção de bordas em exames clínicos |
title_fullStr |
Sistema para detecção de bordas em exames clínicos |
title_full_unstemmed |
Sistema para detecção de bordas em exames clínicos |
title_sort |
Sistema para detecção de bordas em exames clínicos |
author |
Freitas, Rômulo Ponciano da Silva |
author_facet |
Freitas, Rômulo Ponciano da Silva |
author_role |
author |
dc.contributor.none.fl_str_mv |
Machado, Danubia de Araujo Amaral, Rafael Burlamaqui |
dc.contributor.author.fl_str_mv |
Freitas, Rômulo Ponciano da Silva |
dc.subject.por.fl_str_mv |
Algoritmo de canny Segmentação de imagem e computação gráfica Segmentação de imagem Algoritmo computacional Computação gráfica Exame clínico |
topic |
Algoritmo de canny Segmentação de imagem e computação gráfica Segmentação de imagem Algoritmo computacional Computação gráfica Exame clínico |
description |
No mundo de hoje a computação é algo que está inteiramente ligada ao nosso dia a dia. Cada vez mais utilizamos algoritmos com o propósito de evitar a perda de tempo. Assim, podemos focar nas partes mais essenciais deixando o trabalho repetitivo, padronizado e, às vezes, complicado, para as máquinas que conseguem desenvol-ver estas tarefas com velocidade e com uma pequena margem de erro. Em meio a tantas automatizações, existe a computação visual, que procura receber a informação do mundo visualizando-o através de imagens. Porém, para que estas imagens possam ser analisadas de maneira eficiente, antes, elas precisam passar por um processo de “limpeza” para eliminar borrões e informações não relevantes para a borda que se encontram na imagem. Essa limpeza é geralmente realizada por um filtro para então separar a ROI (Region of Interest), ou seja, a região considerada importante para determinada situação. Essa área será delimitada por uma borda que irá realçar seu interior do resto da imagem. É muito importante traçar bordas de maneira eficiente, pois estas bordas serão, em muitos casos, a imagem obtida como resultado. Então suponha que um exame te-nha tido bordas importantes que não foram detectadas. Isso pode gerar interpreta-ções erradas do profissional que estiver analisando aquele exame. Pode ser algo importante que não foi detectado e, consequentemente, não apareceria na imagem. Além disso, também é importante que a ROI seja muito bem definida, tanto para que não elimine uma parte da região que deveria estar inclusa, quanto para que o processamento da aplicação seja totalmente focado apenas no que é importante tornando a obtenção dos resultados mais rápida. Este trabalho busca segmentar imagens e aplicar algoritmos para detecção de bordas em exames médicos. Este tipo de algoritmo analisa os pixels de uma imagem e encontra as grandes variações de intensidade nestes pixels para determinar as bordas presentes. Isso aumenta o contraste entre a borda e o fundo, criando um contorno que realça a parte que será realmente analisada. Assim, os exames poderão ser avaliados de forma mais eficiente, já que a informação desejada estará em realce |
publishDate |
2016 |
dc.date.none.fl_str_mv |
2016 2017-12-04T13:51:16Z 2017-12-04T13:51:16Z |
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 |
https://app.uff.br/riuff/handle/1/5320 Aluno de graduação |
url |
https://app.uff.br/riuff/handle/1/5320 |
identifier_str_mv |
Aluno de graduação |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal Fluiminense Niterói |
publisher.none.fl_str_mv |
Universidade Federal Fluiminense Niterói |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1811823642860847104 |