Método para detecção de corrupção de imagens DTI em tempo real

Detalhes bibliográficos
Autor(a) principal: Raffin, Rômulo Bergesch
Data de Publicação: 2016
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/157823
Resumo: A fim de possibilitar a detecção de corrupção de exames de Imagem por Tensor de Difusão (DTI) em tempo real, desenvolveu-se um método que consiste de ajustar os espectros dos slices das imagens a gaussianas bidimensionais e utilizar os dados resultantes desse processo para classificação via Support-Vector Machine (SVM). Foram utilizados 6652 slices de cinco sujeitos diferentes. Em 1000 iterações nas quais dividiu-se o total de imagens em 90% para treino e 10% para teste, obteve-se uma taxa de acerto média de 96,60% com desvio padrão de 0,67%. Para implementação em tempo real é recomendado o processamento das imagens intercaladamente utilizando dois núcleos de processamento em paralelo.
id UFRGS-2_51010ab1463a5554c52a5d3ce3f7a370
oai_identifier_str oai:www.lume.ufrgs.br:10183/157823
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Raffin, Rômulo BergeschBagesteiro, Leia Bernardi2017-05-12T02:24:12Z2016http://hdl.handle.net/10183/157823001021084A fim de possibilitar a detecção de corrupção de exames de Imagem por Tensor de Difusão (DTI) em tempo real, desenvolveu-se um método que consiste de ajustar os espectros dos slices das imagens a gaussianas bidimensionais e utilizar os dados resultantes desse processo para classificação via Support-Vector Machine (SVM). Foram utilizados 6652 slices de cinco sujeitos diferentes. Em 1000 iterações nas quais dividiu-se o total de imagens em 90% para treino e 10% para teste, obteve-se uma taxa de acerto média de 96,60% com desvio padrão de 0,67%. Para implementação em tempo real é recomendado o processamento das imagens intercaladamente utilizando dois núcleos de processamento em paralelo.In order to enable real-time corruption detection of Diffusion Tensor Imaging (DTI) exams, a method consisting of fitting the images’ slices’ spectra and using the data resulting from this process for classification via Support-Vector Machine (SVM) was developed. A set of 6652 slices from five different subjects was used. After 1000 iterations in which the images were divided in two groups (90% for training and 10% for testing), the mean success rate was 96.60% with a standard deviation of 0.67%. For real-time implementation, parallel processing of interweaved slices using two processing cores is recommended.application/pdfporEngenharia elétricaMagnetic resonance imagingDTICorruption detectionMachine learningMétodo para detecção de corrupção de imagens DTI em tempo realinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPorto Alegre, BR-RS2016Engenharia Elétricagraduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL001021084.pdf001021084.pdfTexto completoapplication/pdf4761708http://www.lume.ufrgs.br/bitstream/10183/157823/1/001021084.pdfb121265a6255e5e6308f73ee04849833MD51TEXT001021084.pdf.txt001021084.pdf.txtExtracted Texttext/plain50371http://www.lume.ufrgs.br/bitstream/10183/157823/2/001021084.pdf.txt60268ffa8e3a045e7e6ea815d8391064MD52THUMBNAIL001021084.pdf.jpg001021084.pdf.jpgGenerated Thumbnailimage/jpeg1058http://www.lume.ufrgs.br/bitstream/10183/157823/3/001021084.pdf.jpg33cc547c5c7f1e90ad61e2047b966314MD5310183/1578232018-10-29 09:23:55.365oai:www.lume.ufrgs.br:10183/157823Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-29T12:23:55Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Método para detecção de corrupção de imagens DTI em tempo real
title Método para detecção de corrupção de imagens DTI em tempo real
spellingShingle Método para detecção de corrupção de imagens DTI em tempo real
Raffin, Rômulo Bergesch
Engenharia elétrica
Magnetic resonance imaging
DTI
Corruption detection
Machine learning
title_short Método para detecção de corrupção de imagens DTI em tempo real
title_full Método para detecção de corrupção de imagens DTI em tempo real
title_fullStr Método para detecção de corrupção de imagens DTI em tempo real
title_full_unstemmed Método para detecção de corrupção de imagens DTI em tempo real
title_sort Método para detecção de corrupção de imagens DTI em tempo real
author Raffin, Rômulo Bergesch
author_facet Raffin, Rômulo Bergesch
author_role author
dc.contributor.author.fl_str_mv Raffin, Rômulo Bergesch
dc.contributor.advisor1.fl_str_mv Bagesteiro, Leia Bernardi
contributor_str_mv Bagesteiro, Leia Bernardi
dc.subject.por.fl_str_mv Engenharia elétrica
topic Engenharia elétrica
Magnetic resonance imaging
DTI
Corruption detection
Machine learning
dc.subject.eng.fl_str_mv Magnetic resonance imaging
DTI
Corruption detection
Machine learning
description A fim de possibilitar a detecção de corrupção de exames de Imagem por Tensor de Difusão (DTI) em tempo real, desenvolveu-se um método que consiste de ajustar os espectros dos slices das imagens a gaussianas bidimensionais e utilizar os dados resultantes desse processo para classificação via Support-Vector Machine (SVM). Foram utilizados 6652 slices de cinco sujeitos diferentes. Em 1000 iterações nas quais dividiu-se o total de imagens em 90% para treino e 10% para teste, obteve-se uma taxa de acerto média de 96,60% com desvio padrão de 0,67%. Para implementação em tempo real é recomendado o processamento das imagens intercaladamente utilizando dois núcleos de processamento em paralelo.
publishDate 2016
dc.date.issued.fl_str_mv 2016
dc.date.accessioned.fl_str_mv 2017-05-12T02:24:12Z
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://hdl.handle.net/10183/157823
dc.identifier.nrb.pt_BR.fl_str_mv 001021084
url http://hdl.handle.net/10183/157823
identifier_str_mv 001021084
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 application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/157823/1/001021084.pdf
http://www.lume.ufrgs.br/bitstream/10183/157823/2/001021084.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/157823/3/001021084.pdf.jpg
bitstream.checksum.fl_str_mv b121265a6255e5e6308f73ee04849833
60268ffa8e3a045e7e6ea815d8391064
33cc547c5c7f1e90ad61e2047b966314
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1815447195355185152

Registros relacionados