Análise de lesões encefálicas de naturezas diferentes em imagens de ressonância magnética e tomografia computadorizada a partir de mapas auto-organizáveis : Analysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing maps

Detalhes bibliográficos
Autor(a) principal: Mei, Paulo Afonso, 1982-
Data de Publicação: 2018
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1633693
Resumo: Orientadores: Fabiano Reis, Li Li Min
id UNICAMP-30_148f0483ead7e2096203ce33061d6584
oai_identifier_str oai::1010080
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Análise de lesões encefálicas de naturezas diferentes em imagens de ressonância magnética e tomografia computadorizada a partir de mapas auto-organizáveis : Analysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing mapsAnalysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing mapsMapas auto-organizáveisRessonância magnéticaRedes neurais (Computação)Tomografia computadorizadaSegmentação de imagens médicasSelf-organizing mapsMagnetic resonanceNeural networks (Computer science)Computed tomographyMedical image segmentationOrientadores: Fabiano Reis, Li Li MinTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Ciências MédicasResumo: Com o advento de conjunto de dados cada vez maiores (Big Data), dentre os quais se incluem imagens médicas com crescente qualidade de resoluções espacial, espectral e radiométrica e, portanto, com maior número de pixels, espectros de varredura e níveis de cinza, faz-se útil o uso de técnicas matemáticas avançadas, especialmente as não-supervisionadas, para aprimorar a segmentação do tecido cerebral em agrupamentos (clusters) distintos, possibilitando uma melhor visualização da área acometida por patologia. Este trabalho teve por objetivo segmentar imagens de sistema nervoso central (SNC) em patologias de três naturezas distintas - neoplásica (tumores), desmielinizante (esclerose múltipla) e vascular (acidente vascular cerebral isquêmico -AVCi). Foram realizados três estudos, descritos nos Artigos I, II e III, nos quais foram analisadas imagens de SNC de pacientes (ressonância magnética - RM, nos Artigos I e II, e tomografia computadorizada - TC, no artigo III) com diagnóstico de, respectivamente, neoplasia, esclerose múltipla tipo remitente-recorrente e AVCi. As imagens foram transformadas em matrizes com valores da escala de cinza para cada pixel, em cada aquisição, e processadas por ferramentas com capacidade de execução de Mapas Auto-Organizáveis (SOM), SiroSOM e Weka, que permitiram a construção de mapa neural com treinamento de neurônios e, posteriormente, particionamento dos mesmos em agrupamentos por K-Médias. As novas matrizes, com assimilação de clusters para cada pixel, foram novamente reconstruídas em imagens, que foram submetidas à avaliação de médicos com formação consolidada prévia em neurorradiologia. Os trabalhos I e II confirmam a capacidade geral de segmentação de imagens médicas por meio de SOM com razoável precisão de delimitação de bordas em RM. O artigo III revelou um grau insatisfatório de exatidão de delineação de bordas de lesões à segmentação de TC, porém com potencial identificável de melhora da acurácia se novos e mais amplos estudos forem realizados, com base no material publicadoAbstract: With the upcoming of ever bigger datasets (Big Data), among those medical images, ever-growing on spatial, spectral and radiometric resolutions and, hence, in the number of pixels, spectrums and digital numbers (DNs), the use of advanced mathematical algorithms, especially non-supervised neural networks, plays a role on improving automated segmentation of the human brain into smaller, distinct clusters, providing a better visualization of the comprised, pathological regions. This work aimed to segment central nervous system (CNS) images from pathologies of three different natures - neoplasms, demyelinating and vascular (ischemic stroke). We performed three studies, each one described in distinct articles, I, II and III, on which medical CNS images (MRI for Articles I and II and CT for article III) from patients with confirmed diagnosis of, respectively, neoplasms, relapsing-remitting multiple sclerosis and ischemic stroke were analyzed. The images were transformed in matrices of gray values for each pixel, in each acquisition, and then processed by Kohonen's Self Organizing Maps (SOM) via capable software - SiroSOM or Weka, through training of neurons belonging to the built neural map, followed by clustering by K Means. The newly created matrices with cluster values for each pixel were then rebuilt back to new images that were appreciated by physicians skilled in neuroradiology. The research confirms the general ability of medical image segmentation by SOM, with reasonable border delimitation in MRI, in articles I and II. Article III revealed a non-satisfactory precision of lesion border delineation on CT, but there is a likely chance of improvement of accuracy, if further, deeper studies based on the publication data could be performedDoutoradoNeurologiaDoutor em Ciências MédicasCAPES88881.132052/2016-01[s.n.]Reis, Fabiano, 1975-Li, Li Min, 1964-Leite, Claudia da CostaRamos, Celso DaríoTania Aparecida Marchiori de Oliveira CardosoMiranda, Diana Rodrigues de PinaUniversidade Estadual de Campinas (UNICAMP). Faculdade de Ciências MédicasPrograma de Pós-Graduação em Ciências MédicasUNIVERSIDADE ESTADUAL DE CAMPINASMei, Paulo Afonso, 1982-20182018-02-22T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf1 recurso online (78 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1633693MEI, Paulo Afonso. Análise de lesões encefálicas de naturezas diferentes em imagens de ressonância magnética e tomografia computadorizada a partir de mapas auto-organizáveis: Analysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing maps. 2018. 1 recurso online (78 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Ciências Médicas, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1633693. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1010080Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2018-06-19T15:54:59Zoai::1010080Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2018-06-19T15:54:59Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Análise de lesões encefálicas de naturezas diferentes em imagens de ressonância magnética e tomografia computadorizada a partir de mapas auto-organizáveis : Analysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing maps
Analysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing maps
title Análise de lesões encefálicas de naturezas diferentes em imagens de ressonância magnética e tomografia computadorizada a partir de mapas auto-organizáveis : Analysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing maps
spellingShingle Análise de lesões encefálicas de naturezas diferentes em imagens de ressonância magnética e tomografia computadorizada a partir de mapas auto-organizáveis : Analysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing maps
Mei, Paulo Afonso, 1982-
Mapas auto-organizáveis
Ressonância magnética
Redes neurais (Computação)
Tomografia computadorizada
Segmentação de imagens médicas
Self-organizing maps
Magnetic resonance
Neural networks (Computer science)
Computed tomography
Medical image segmentation
title_short Análise de lesões encefálicas de naturezas diferentes em imagens de ressonância magnética e tomografia computadorizada a partir de mapas auto-organizáveis : Analysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing maps
title_full Análise de lesões encefálicas de naturezas diferentes em imagens de ressonância magnética e tomografia computadorizada a partir de mapas auto-organizáveis : Analysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing maps
title_fullStr Análise de lesões encefálicas de naturezas diferentes em imagens de ressonância magnética e tomografia computadorizada a partir de mapas auto-organizáveis : Analysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing maps
title_full_unstemmed Análise de lesões encefálicas de naturezas diferentes em imagens de ressonância magnética e tomografia computadorizada a partir de mapas auto-organizáveis : Analysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing maps
title_sort Análise de lesões encefálicas de naturezas diferentes em imagens de ressonância magnética e tomografia computadorizada a partir de mapas auto-organizáveis : Analysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing maps
author Mei, Paulo Afonso, 1982-
author_facet Mei, Paulo Afonso, 1982-
author_role author
dc.contributor.none.fl_str_mv Reis, Fabiano, 1975-
Li, Li Min, 1964-
Leite, Claudia da Costa
Ramos, Celso Darío
Tania Aparecida Marchiori de Oliveira Cardoso
Miranda, Diana Rodrigues de Pina
Universidade Estadual de Campinas (UNICAMP). Faculdade de Ciências Médicas
Programa de Pós-Graduação em Ciências Médicas
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Mei, Paulo Afonso, 1982-
dc.subject.por.fl_str_mv Mapas auto-organizáveis
Ressonância magnética
Redes neurais (Computação)
Tomografia computadorizada
Segmentação de imagens médicas
Self-organizing maps
Magnetic resonance
Neural networks (Computer science)
Computed tomography
Medical image segmentation
topic Mapas auto-organizáveis
Ressonância magnética
Redes neurais (Computação)
Tomografia computadorizada
Segmentação de imagens médicas
Self-organizing maps
Magnetic resonance
Neural networks (Computer science)
Computed tomography
Medical image segmentation
description Orientadores: Fabiano Reis, Li Li Min
publishDate 2018
dc.date.none.fl_str_mv 2018
2018-02-22T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1633693
MEI, Paulo Afonso. Análise de lesões encefálicas de naturezas diferentes em imagens de ressonância magnética e tomografia computadorizada a partir de mapas auto-organizáveis: Analysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing maps. 2018. 1 recurso online (78 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Ciências Médicas, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1633693. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1633693
identifier_str_mv MEI, Paulo Afonso. Análise de lesões encefálicas de naturezas diferentes em imagens de ressonância magnética e tomografia computadorizada a partir de mapas auto-organizáveis: Analysis of encephalic lesions of different natures in magnetic resonance and computed tomography images from self-organizing maps. 2018. 1 recurso online (78 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Ciências Médicas, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1633693. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1010080
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (78 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189124840620032

Registros relacionados