Segmentação automática de imagens de ressonância magnética cerebral para auxílio ao diagnóstico de esquizofrenia
| Autor(a) principal: | |
|---|---|
| Data de Publicação: | 2020 |
| Tipo de documento: | Dissertação |
| Idioma: | por |
| Título da fonte: | Repositório Institucional da UnB |
| Texto Completo: | https://repositorio.unb.br/handle/10482/41118 |
Resumo: | Dissertação (Mestrado em Engenharia Biomédica)–Programa de pós-graduação em Engenharia Biomédica, Universidade de Brasília, Brasília, 2020. |
| id |
UNB_b03975d80eb1330012b57d76bf3bcfc0 |
|---|---|
| oai_identifier_str |
oai:repositorio2.unb.br:10482/41118 |
| network_acronym_str |
UNB |
| network_name_str |
Repositório Institucional da UnB |
| repository_id_str |
|
| spelling |
Nunes, Everton Klysnney MoreiraFerreira, Renan UtidaCosta, Marcus Vinícius Chaffim2021-06-08T15:06:54Z2021-06-08T15:06:54Z2021-06-082020-11-24NUNES, Everton Klysnney Moreira. Segmentação automática de imagens de ressonância magnética cerebral para auxílio ao diagnóstico de esquizofrenia. 2020. xviii, 76 f., il. Dissertação (Mestrado em Engenharia Biomédica)–Universidade de Brasília, Brasília, 2020.https://repositorio.unb.br/handle/10482/41118Dissertação (Mestrado em Engenharia Biomédica)–Programa de pós-graduação em Engenharia Biomédica, Universidade de Brasília, Brasília, 2020.O termo esquizofrenia (esquizo=divisão, phrenia=mente) foi cunhado por Bleuler (1857-1939) e caracteriza um transtorno mental, geralmente de início insidioso, cujos principais aspectos observados são: alucinações e delírios, transtornos de pensamento e fala, perturbação das emoções, afeto e déficits cognitivos. Seus primeiros sinais e sintomas, via de regra, ocorrem no início da adolescência ou da vida adulta, afetando sobremaneira a qualidade de vida do paciente e de seus familiares. A doença é envolvida de muitos tabus, possuindo muitas lacunas a serem preenchidas. Uma dessas lacunas está relacionada ao diagnóstico. Atualmente, o diagnóstico da doença é fundamentado no quadro clínico apresentado pelo próprio paciente por meio de uma entrevista padronizada baseada no DSM-V- Manual de Diagnóstico e Estatístico de Transtornos Mentais. Todavia, esta entrevista torna-se subjetiva devido a uma possível inconsistência das informações fornecidas por pacientes que sofrem de delírio e alucinação. Outro ponto importante é que o quadro clínico apresentado se sobrepõe ao de outros transtornos, dificultando seu diagnóstico e, consequentemente, a vida dos portadores de esquizofrenia. Ademais, nas últimas décadas, pesquisadores afirmam que existem desvios anatômicos da normalidade que podem ou não estar ligadas à doença como, por exemplo, a dilatação do sistema ventricular. Todas estas informações foram obtidas por meio de análise de imagens de ressonância magnética. Diante deste contexto, com as imagens adquiridas por meio da ressonância magnética fornecidas pela Biomedical Informatics Research Network, BIRN, que é um banco de dados projetado para fins de compartilhamento de dados biomédicos, foi possível desenvolver um algoritmo que serve de auxílio ao diagnóstico que extrai parâmetros, de forma automática, do sistema ventricular cerebral com o intuito de verificar alterações anatômicas que possam estar correlacionadas com a presença ou não da esquizofrenia. Desta forma, foi viável a utilização de ferramentas na área de processamento de imagens como a DWT (do inglês, Discrete Wavelet Transform), a DT-CWT (do inglês, Dual-Tree Complex Wavelet Transform) e a Transformada Contourlet com a finalidade de se obter o contorno do sistema ventricular. Este será nosso objeto de interesse. Esta região, como dito anteriormente, foi escolhida com a intenção de se analisar uma possível ligação entre a doença e sua dilatação. Em seguida, uma segmentação baseada em GLCM, Matriz de Coocorrência de Níveis de Cinza, foi aplicada objetivando delinear o sistema ventricular. Esta etapa do projeto foi de fundamental importância, já que era essencial uma demarcação coerente para que, na classificação, os parâmetros extraídos fossem fidedignos e confirmassem se a averiguação da presença da doença por meio do sistema ventricular era válida. Além disso, a classificação, que usou 70% dos parâmetros para treinamento e 30% para validação, serviu também para validar a segmentação. Outras ferramentas utilizadas no processo foram a morfologia matemática e os superpixels. Após a classificação, foram obtidos resultados como a confirmação diagnóstica dos pacientes portadores de esquizofrenia com especificidade de 75% e precisão de 71%. Além disso, é reduzida a chance de falso-negativo, haja vista a acurácia de 70%. Com estes resultados foi possível validar a segmentação por meio da GLCM, pois a dilatação do sistema ventricular se mostrou uma característica que distingue o grupo de controle do grupo de portadores de esquizofrenia. Por fim, as imagens segmentadas foram reconstruídas, buscando apresentar os cortes axiais, coronais e sagitais, que também ratificam a segmentação das imagens ao apresentar o sistema ventricular realçado.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).The term schizophrenia esquizo = division, phrenia = mind) was coined by Bleuler (1857-1939) and characterizes a mental disorder, usually of insidious onset, whose main aspects observed are: hallucinations and delusions, thought and speech disorders, disturbed emotions, affect and cognitive deficits. Its first signs and symptoms, as a rule, occur in early adolescence or adulthood, greatly affecting the quality of life of the patient and his family. The disease is involved in many taboos, with many gaps to be filled. One of these gaps is related to the diagnosis. Currently, the diagnosis of the disease is based on the clinical picture presented by the patient himself through a standardized interview based on the DSM-V - Diagnostic and Statistical Manual of Mental Disorders. However, this interview becomes subjective due to a possible inconsistency in the information provided by patients suffering from delirium and hallucination. Another important point is that the clinical picture presented overlaps with that of other disorders, making it difficult to diagnose and, consequently, the lives of people with schizophrenia. In addition, in recent decades, researchers claim that there are anatomical deviations from normality that may or may not be linked to the disease, such as dilation of the ventricular system. All this information was obtained through the analysis of magnetic resonance images. In this context, with the images acquired through the magnetic resonance provided by the Biomedical Informatics Research Network, BIRN, which is the database designed for the purpose of sharing biomedical data, it was possible to develop an algorithm that will serve as an aid to the diagnosis that automatically extracts parameters from the cerebral ventricular system in order to check for the presence or absence of schizophrenia. Thus, it was possible to use tools in the area of image processing such as DWT (Discrete Wavelet Transform), DT- CWT (Dual- Tree Complex Wavelet Transform) and Contourlet Transform in order to obtain the contour of the ventricular system. This will be our object of interest. This region, as previously mentioned, was chosen with the intention of analyzing a possible link between the disease and its dilation. Then, a segmentation based on GLCM, Gray Levels Coocurrence Matrix, was applied in order to outline the ventricular system. This stage of the project was of fundamental importance, since a coherent demarcation was essential so that, in the classification, the extracted parameters were reliable and confirmed whether the presence of the disease through the ventricular system was valid. In addition, the classification that used 70% of the parameters for training and 30 % for validation, also served to validate the segmentation. Other tools used in the process were mathematical morphology and superpixels. After classification, results were obtained, such as the diagnostic confirmation of schizophrenic patients with specificity of 75% and precision of 71%. In addition, the chance of false negative with an accuracy of 70% is reduced. With these results it was possible to validate the segmentation through GLCM, because the dilation of the ventricular system proved to be a characteristic that distinguishes the control group from the group of schizophrenia patients. Finally, the segmented images were reconstructed, seeking to present the axial, coronal and sagittal sections, which also ratify the segmentation of the images when presenting the enhanced ventricular system.Faculdade UnB Gama (FGA)Programa de Pós-Graduação em Engenharia BiomédicaA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessSegmentação automática de imagens de ressonância magnética cerebral para auxílio ao diagnóstico de esquizofreniainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisEsquizofrenia - diagnósticoTranstornos mentaisProcessamento de imagensporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINAL2020_EvertonKlysnneyMoreiraNunes.pdf2020_EvertonKlysnneyMoreiraNunes.pdfapplication/pdf7808739http://repositorio2.unb.br/jspui/bitstream/10482/41118/1/2020_EvertonKlysnneyMoreiraNunes.pdf80bbc3e6abcaee4472323666126811dbMD51open accessLICENSElicense.txtlicense.txttext/plain671http://repositorio2.unb.br/jspui/bitstream/10482/41118/2/license.txtbacfee268cc5d4f6aaa2e6e0066d38f5MD52open access10482/411182024-02-08 18:15:35.378open accessoai:repositorio2.unb.br:10482/41118QSBjb25jZXNzw6NvIGRhIGxpY2Vuw6dhIGRlc3RlIGl0ZW0gcmVmZXJlLXNlIGFvIHRlcm1vIGRlIGF1dG9yaXphw6fDo28gaW1wcmVzc28gYXNzaW5hZG8gDQpwZWxvIGF1dG9yIGNvbSBhcyBzZWd1aW50ZXMgY29uZGnDp8O1ZXM6DQoNCk5hIHF1YWxpZGFkZSBkZSB0aXR1bGFyIGRvcyBkaXJlaXRvcyBkZSBhdXRvciBkYSBwdWJsaWNhw6fDo28sIGF1dG9yaXpvIGEgVW5pdmVyc2lkYWRlIGRlIEJyYXPDrWxpYQ0KIGUgbyBJQklDVCBhIGRpc3BvbmliaWxpemFyIHBvciBtZWlvIGRvcyBzaXRlcyB3d3cuYmNlLnVuYi5iciwgd3d3LmliaWN0LmJyLA0KIGh0dHA6Ly9oZXJjdWxlcy52dGxzLmNvbS9jZ2ktYmluL25kbHRkL2NoYW1lbGVvbj9sbmc9cHQmc2tpbj1uZGx0ZCBzZW0gcmVzc2FyY2ltZW50byBkb3MgDQpkaXJlaXRvcyBhdXRvcmFpcywgZGUgYWNvcmRvIGNvbSBhIExlaSBuwrogOTYxMC85OCwgbyB0ZXh0byBpbnRlZ3JhbCBkYSBvYnJhIGRpc3BvbmliaWxpemFkYSwNCiBjb25mb3JtZSBwZXJtaXNzw7VlcyBhc3NpbmFsYWRhcywgcGFyYSBmaW5zIGRlIGxlaXR1cmEsIGltcHJlc3PDo28gZS9vdSBkb3dubG9hZCwgYSB0w610dWxvIGRlIA0KZGl2dWxnYcOnw6NvIGRhIHByb2R1w6fDo28gY2llbnTDrWZpY2EgYnJhc2lsZWlyYSwgYSBwYXJ0aXIgZGVzdGEgZGF0YS4=Biblioteca Digital de Teses e DissertaçõesPUBhttps://repositorio.unb.br/oai/requestopendoar:2024-02-08T21:15:35Repositório Institucional da UnB - Universidade de Brasília (UnB)false |
| dc.title.pt_BR.fl_str_mv |
Segmentação automática de imagens de ressonância magnética cerebral para auxílio ao diagnóstico de esquizofrenia |
| title |
Segmentação automática de imagens de ressonância magnética cerebral para auxílio ao diagnóstico de esquizofrenia |
| spellingShingle |
Segmentação automática de imagens de ressonância magnética cerebral para auxílio ao diagnóstico de esquizofrenia Nunes, Everton Klysnney Moreira Esquizofrenia - diagnóstico Transtornos mentais Processamento de imagens |
| title_short |
Segmentação automática de imagens de ressonância magnética cerebral para auxílio ao diagnóstico de esquizofrenia |
| title_full |
Segmentação automática de imagens de ressonância magnética cerebral para auxílio ao diagnóstico de esquizofrenia |
| title_fullStr |
Segmentação automática de imagens de ressonância magnética cerebral para auxílio ao diagnóstico de esquizofrenia |
| title_full_unstemmed |
Segmentação automática de imagens de ressonância magnética cerebral para auxílio ao diagnóstico de esquizofrenia |
| title_sort |
Segmentação automática de imagens de ressonância magnética cerebral para auxílio ao diagnóstico de esquizofrenia |
| author |
Nunes, Everton Klysnney Moreira |
| author_facet |
Nunes, Everton Klysnney Moreira |
| author_role |
author |
| dc.contributor.advisorco.none.fl_str_mv |
Ferreira, Renan Utida |
| dc.contributor.author.fl_str_mv |
Nunes, Everton Klysnney Moreira |
| dc.contributor.advisor1.fl_str_mv |
Costa, Marcus Vinícius Chaffim |
| contributor_str_mv |
Costa, Marcus Vinícius Chaffim |
| dc.subject.keyword.pt_BR.fl_str_mv |
Esquizofrenia - diagnóstico Transtornos mentais Processamento de imagens |
| topic |
Esquizofrenia - diagnóstico Transtornos mentais Processamento de imagens |
| description |
Dissertação (Mestrado em Engenharia Biomédica)–Programa de pós-graduação em Engenharia Biomédica, Universidade de Brasília, Brasília, 2020. |
| publishDate |
2020 |
| dc.date.submitted.none.fl_str_mv |
2020-11-24 |
| dc.date.accessioned.fl_str_mv |
2021-06-08T15:06:54Z |
| dc.date.available.fl_str_mv |
2021-06-08T15:06:54Z |
| dc.date.issued.fl_str_mv |
2021-06-08 |
| 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.citation.fl_str_mv |
NUNES, Everton Klysnney Moreira. Segmentação automática de imagens de ressonância magnética cerebral para auxílio ao diagnóstico de esquizofrenia. 2020. xviii, 76 f., il. Dissertação (Mestrado em Engenharia Biomédica)–Universidade de Brasília, Brasília, 2020. |
| dc.identifier.uri.fl_str_mv |
https://repositorio.unb.br/handle/10482/41118 |
| identifier_str_mv |
NUNES, Everton Klysnney Moreira. Segmentação automática de imagens de ressonância magnética cerebral para auxílio ao diagnóstico de esquizofrenia. 2020. xviii, 76 f., il. Dissertação (Mestrado em Engenharia Biomédica)–Universidade de Brasília, Brasília, 2020. |
| url |
https://repositorio.unb.br/handle/10482/41118 |
| 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.source.none.fl_str_mv |
reponame:Repositório Institucional da UnB instname:Universidade de Brasília (UnB) instacron:UNB |
| instname_str |
Universidade de Brasília (UnB) |
| instacron_str |
UNB |
| institution |
UNB |
| reponame_str |
Repositório Institucional da UnB |
| collection |
Repositório Institucional da UnB |
| bitstream.url.fl_str_mv |
http://repositorio2.unb.br/jspui/bitstream/10482/41118/1/2020_EvertonKlysnneyMoreiraNunes.pdf http://repositorio2.unb.br/jspui/bitstream/10482/41118/2/license.txt |
| bitstream.checksum.fl_str_mv |
80bbc3e6abcaee4472323666126811db bacfee268cc5d4f6aaa2e6e0066d38f5 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional da UnB - Universidade de Brasília (UnB) |
| repository.mail.fl_str_mv |
|
| _version_ |
1803573521236885504 |