Detecção do ventrículo esquerdo do coração para geração de imagens híbridas multimodais com aquisição atemporal

Detalhes bibliográficos
Autor(a) principal: Prado, Pedro Henrique Ramos
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/57026
Resumo: Orientador: Prof. Dr. Luciano Silva
id UFPR_5c89fc8f367dc021ac019b82ce542c5b
oai_identifier_str oai:acervodigital.ufpr.br:1884/57026
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Prado, Pedro Henrique RamosUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaSilva, Luciano2018-10-29T12:57:26Z2018-10-29T12:57:26Z2018https://hdl.handle.net/1884/57026Orientador: Prof. Dr. Luciano SilvaDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa : Curitiba, 09/03/2018Inclui referências: p.56-63Resumo: Este trabalho apresenta um estudo sobre o processamento de imagens cardíacas multimodais com aquisição em equipamentos e datas distintos para geração de imagens híbridas. Foi desenvolvida uma abordagem não supervisionada, baseada em aprendizagem profunda computacional, para a detecção e reorientação do ventrículo esquerdo (VE) do coração em imagens anatômicas e funcionais das técnicas SPECT e CT. Esta abordagem permite a geração precisa dos eixos curto, longo vertical e longo horizontal do VE, em ambas as modalidades, fundamentais no auxílio do diagnóstico médico. A abordagem proposta se mostrou promissora quando comparada com métodos estado da arte, atingindo 99% de acurácia na detecção e 100% na reorientação do VE usando uma base de imagens com diferentes casos clínicos, anotadas por médicos especialistas da áreas de medicina nuclear e radiologia. Dentro do nosso conhecimento, este é o primeiro trabalho que utiliza métodos deep learning para detecção do ápice e base do ventrículo esquerdo, com consequente reorientação e geração de imagens médicas híbridas, utilizando cortes transaxiais das técnicas de imagem médica, SPECT e CT. Resultados experimentais na geração de imagens híbridas se mostram efetivos devido a precisão obtida pela abordagem proposta. Palavras-chave: detecçãoo segmentos cardíacos; aprendizagem de máquina; images médicas híbridas; fusão multimodal atemporal.Abstract: We present a study on the processing of multimodal cardiac images with equipment acquisition and different dates for hybrid image generation. An unsupervised approach, based on deep computational learning, was developed for the detection and reorientation of the left ventricle (LV) of the heart in anatomical and functional images of the techniques: SPECT and CT. This approach allows the precise generation of the short, long vertical and long horizontal axes of the LV, in both modalities, fundamental in the aid of the medical diagnosis. The proposed approach was promising when compared to state-of-the art methods, reaching 99% accuracy in detection and 100% in LV reorientation using a database of different clinical cases, noted by specialist physicians in the areas of nuclear medicine and radiology. As far as we know, this is the first work that uses deep learning methods to detect the apex and base of the left ventricle, with consequent reorientation and generation of hybrid medical images, using transaxial sections of the medical imaging techniques, SPECT and CT. Experimental results in the generation of hybrid images are shown to be effective due to the precision obtained by the proposed approach. Keywords: cardiac segments detection; machine learning; hybrid medical images; timeless multimodal fusion.63 p. : il. (algumas color.).application/pdfCiência da ComputaçãoImagens digitaisVisão por computadorDoença arterial periféricaTesesDetecção do ventrículo esquerdo do coração para geração de imagens híbridas multimodais com aquisição atemporalinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - PEDRO HENRIQUE RAMOS PRADO.pdfapplication/pdf2588533https://acervodigital.ufpr.br/bitstream/1884/57026/1/R%20-%20D%20-%20PEDRO%20HENRIQUE%20RAMOS%20PRADO.pdf42f8c856bc9a7db9b54fd9c69f69998eMD51open access1884/570262018-10-29 09:57:26.703open accessoai:acervodigital.ufpr.br:1884/57026Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082018-10-29T12:57:26Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Detecção do ventrículo esquerdo do coração para geração de imagens híbridas multimodais com aquisição atemporal
title Detecção do ventrículo esquerdo do coração para geração de imagens híbridas multimodais com aquisição atemporal
spellingShingle Detecção do ventrículo esquerdo do coração para geração de imagens híbridas multimodais com aquisição atemporal
Prado, Pedro Henrique Ramos
Ciência da Computação
Imagens digitais
Visão por computador
Doença arterial periférica
Teses
title_short Detecção do ventrículo esquerdo do coração para geração de imagens híbridas multimodais com aquisição atemporal
title_full Detecção do ventrículo esquerdo do coração para geração de imagens híbridas multimodais com aquisição atemporal
title_fullStr Detecção do ventrículo esquerdo do coração para geração de imagens híbridas multimodais com aquisição atemporal
title_full_unstemmed Detecção do ventrículo esquerdo do coração para geração de imagens híbridas multimodais com aquisição atemporal
title_sort Detecção do ventrículo esquerdo do coração para geração de imagens híbridas multimodais com aquisição atemporal
author Prado, Pedro Henrique Ramos
author_facet Prado, Pedro Henrique Ramos
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática
dc.contributor.author.fl_str_mv Prado, Pedro Henrique Ramos
dc.contributor.advisor1.fl_str_mv Silva, Luciano
contributor_str_mv Silva, Luciano
dc.subject.por.fl_str_mv Ciência da Computação
Imagens digitais
Visão por computador
Doença arterial periférica
Teses
topic Ciência da Computação
Imagens digitais
Visão por computador
Doença arterial periférica
Teses
description Orientador: Prof. Dr. Luciano Silva
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-10-29T12:57:26Z
dc.date.available.fl_str_mv 2018-10-29T12:57:26Z
dc.date.issued.fl_str_mv 2018
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 https://hdl.handle.net/1884/57026
url https://hdl.handle.net/1884/57026
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.format.none.fl_str_mv 63 p. : il. (algumas color.).
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/57026/1/R%20-%20D%20-%20PEDRO%20HENRIQUE%20RAMOS%20PRADO.pdf
bitstream.checksum.fl_str_mv 42f8c856bc9a7db9b54fd9c69f69998e
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860495229059072

Registros relacionados