Redes neurais convolucionais para detecção do status do gene MGMT em pacientes com glioblastomas a partir de imagens de ressonância magnética

Detalhes bibliográficos
Autor(a) principal: Del Sant, Felipe Sassi
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/242613
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2022.
id UFSC_5b2d452b87e91743cb402ae69aeceb5b
oai_identifier_str oai:repositorio.ufsc.br:123456789/242613
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Redes neurais convolucionais para detecção do status do gene MGMT em pacientes com glioblastomas a partir de imagens de ressonância magnéticaEngenharia elétricaRedes neurais (Computação)Aprendizado profundo (aprendizado do computador)Aprendizado do computadorRessonância magnéticaDissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2022.A automatização de diferentes processos médicos via aplicação de aprendizado de máquina vem ganhando destaque ao longo do tempo, devido a seus resultados equiparáveis aos de especialistas em diversas áreas. Nesse trabalho, técnicas de aprendizado de máquina são aplicadas na tarefa de classificação do status do gene MGMT em pacientes com glioblastomas, uma categoria de tumor cerebral com elevado nível de agressividade, com um tempo médio de sobrevida de cerca de 14,6 meses. Métodos cirúrgicos, complementados por tratamentos quimioterápicos, visam aumentar o tempo de sobrevida dos pacientes e melhorar seu bem-estar. O sucesso desses tratamentos está ligado a determinados marcadores genéticos, como o nível de metilação (silenciamento das atividades) do gene MGMT. Métodos invasivos são utilizados para identificação do status do gene, os quais acarretam riscos para o paciente, limitando sua aplicabilidade. Devido a isso, técnicas não-invasivas, baseadas na classificação de imagens de ressonância magnética por meio de aprendizado de máquina, vêm sendo desenvolvidas. Esse trabalho explora quatro técnicas para classificação do status do gene MGMT em pacientes com glioblastomas, visando a comparação dos resultados de cada método em uma base de dados pública, comum e de elevada qualidade. Especificamente, são investigadas abordagens baseadas em extração de features radiômicas e baseadas em redes neurais convolucionais, tanto para classificação 2D/3D quanto para segmentação semântica. Nenhuma das abordagens testadas demonstrou significativa capacidade de classificação automática do status do gene MGMT, todas tendo, em média, uma ROC-AUC (%) de 60% (±2,78%) no conjunto de teste utilizado para comparação dos resultados.Abstract: The automation of different medical processes via the application of machine learning has been gaining prominence over time, due to its results comparable to those of experts in various fields. In this work, machine learning techniques are applied to the task of classifying the status of the MGMT gene in patients with glioblastomas, a category of brain tumor with a high level of aggressiveness, with an average survival time of about 14.6 months. Surgical methods, complemented by chemotherapeutic treatments, aim to increase the survival time of patients and improve their well-being. The success of these treatments is linked to certain genetic markers, such as the level of methylation (silencing activities) of the MGMT gene. Invasive methods are used to identify the gene status, which carry risks for the patient that limit their applicability. Because of this, non-invasive techniques, based on classification of magnetic resonance images using machine learning, have been developed. This paper explores four techniques for classifying MGMT gene status in patients with glioblastomas, aiming to compare the results of each method on a common, high quality, public database. Specifically, radiomic feature extraction-based and convolutional neural network-based approaches for both 2D/3D classification and semantic segmentation are investigated. None of the approaches tested demonstrated much ability to automatically classify the status of the MGMT gene, all having, on average, an ROC-AUC (%) of 60% (±2,78%) on the test set used to compare results.Silva, DaniloUniversidade Federal de Santa CatarinaDel Sant, Felipe Sassi2022-12-13T11:51:21Z2022-12-13T11:51:21Z2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis94 p.| il., gráfs.application/pdf379170https://repositorio.ufsc.br/handle/123456789/242613porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2022-12-13T11:51:21Zoai:repositorio.ufsc.br:123456789/242613Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732022-12-13T11:51:21Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Redes neurais convolucionais para detecção do status do gene MGMT em pacientes com glioblastomas a partir de imagens de ressonância magnética
title Redes neurais convolucionais para detecção do status do gene MGMT em pacientes com glioblastomas a partir de imagens de ressonância magnética
spellingShingle Redes neurais convolucionais para detecção do status do gene MGMT em pacientes com glioblastomas a partir de imagens de ressonância magnética
Del Sant, Felipe Sassi
Engenharia elétrica
Redes neurais (Computação)
Aprendizado profundo (aprendizado do computador)
Aprendizado do computador
Ressonância magnética
title_short Redes neurais convolucionais para detecção do status do gene MGMT em pacientes com glioblastomas a partir de imagens de ressonância magnética
title_full Redes neurais convolucionais para detecção do status do gene MGMT em pacientes com glioblastomas a partir de imagens de ressonância magnética
title_fullStr Redes neurais convolucionais para detecção do status do gene MGMT em pacientes com glioblastomas a partir de imagens de ressonância magnética
title_full_unstemmed Redes neurais convolucionais para detecção do status do gene MGMT em pacientes com glioblastomas a partir de imagens de ressonância magnética
title_sort Redes neurais convolucionais para detecção do status do gene MGMT em pacientes com glioblastomas a partir de imagens de ressonância magnética
author Del Sant, Felipe Sassi
author_facet Del Sant, Felipe Sassi
author_role author
dc.contributor.none.fl_str_mv Silva, Danilo
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Del Sant, Felipe Sassi
dc.subject.por.fl_str_mv Engenharia elétrica
Redes neurais (Computação)
Aprendizado profundo (aprendizado do computador)
Aprendizado do computador
Ressonância magnética
topic Engenharia elétrica
Redes neurais (Computação)
Aprendizado profundo (aprendizado do computador)
Aprendizado do computador
Ressonância magnética
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2022.
publishDate 2022
dc.date.none.fl_str_mv 2022-12-13T11:51:21Z
2022-12-13T11:51:21Z
2022
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 379170
https://repositorio.ufsc.br/handle/123456789/242613
identifier_str_mv 379170
url https://repositorio.ufsc.br/handle/123456789/242613
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 94 p.| il., gráfs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652342767124480

Registros relacionados