Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Santos, Paulo Victor dos lattes
Orientador(a): Calixto, Wesley Pacheco lattes
Banca de defesa: Calixto, Wesley Pacheco, Delgado, Myriam Regattieri de Biase da Silva, Vieira, Flavio Henrique Teles, Gonçalves, Cristhiane, Martins, Marcella Scoczynski Ribeiro
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
dARK ID: ark:/38995/001300000134t
Idioma: por
Instituição de defesa: Universidade Federal de Goiás
Programa de Pós-Graduação: Programa de Pós-graduação em Engenharia Elétrica e da Computação (EMC)
Departamento: Escola de Engenharia Elétrica, Mecânica e de Computação - EMC (RMG)
País: Brasil
Palavras-chave em Português:
Aprendizado não supervisionado
Segmentação
Tomografia computadorizado de crânio
Palavras-chave em Inglês:
Unsupervised learning
Segmentation
Computerized tomography of cranial
Área do conhecimento CNPq:
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Link de acesso: http://repositorio.bc.ufg.br/tede/handle/tede/13504
Resumo: This work proposes the development of an unsupervised method for segmenting cranial CT images. The methodology involves extracting image features and applying similarity and continuity constraints to create segmentation maps of intracranial structures and observable tissues. This approach aims to assist specialists in diagnosis by identifying regions with specific anomalies. Applied to real-world datasets, the method uses a spatial continuity evaluation function related to the desired number of structures. Results show satisfactory performance, indicating a simplified and accessible approach that reduces computational load, training time, and financial costs. This proposal serves as a practical tool for cranial CT image segmentation, providing significant contributions to the analysis of medical images in clinical and diagnostic settings.
id UFG-2_8ab8460cf63072979807bfa581d0e487
oai_identifier_str oai:repositorio.bc.ufg.br:tede/13504
network_acronym_str UFG-2
network_name_str Repositório Institucional da UFG
repository_id_str
spelling Calixto, Wesley Pachecohttp://lattes.cnpq.br/9073478192027867Martins, Marcella Scoczynski Ribeirohttp://lattes.cnpq.br/5212122361603572Calixto, Wesley PachecoDelgado, Myriam Regattieri de Biase da SilvaVieira, Flavio Henrique TelesGonçalves, CristhianeMartins, Marcella Scoczynski Ribeirohttps://lattes.cnpq.br/9100653716674793Santos, Paulo Victor dos2024-10-08T11:35:31Z2024-10-08T11:35:31Z2024-07-10SANTOS, P. V. Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio. 2024. 125 f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Escola de Engenharia Elétrica, Mecânica e de Computação, Universidade Federal de Goiás, Goiânia, 2024.http://repositorio.bc.ufg.br/tede/handle/tede/13504ark:/38995/001300000134tThis work proposes the development of an unsupervised method for segmenting cranial CT images. The methodology involves extracting image features and applying similarity and continuity constraints to create segmentation maps of intracranial structures and observable tissues. This approach aims to assist specialists in diagnosis by identifying regions with specific anomalies. Applied to real-world datasets, the method uses a spatial continuity evaluation function related to the desired number of structures. Results show satisfactory performance, indicating a simplified and accessible approach that reduces computational load, training time, and financial costs. This proposal serves as a practical tool for cranial CT image segmentation, providing significant contributions to the analysis of medical images in clinical and diagnostic settings.Este trabalho propõe o desenvolvimento de método não supervisionado para a segmentação de imagens de tomografia computadorizada craniana. Na metodologia extrai-se características das imagens, aplicando restrições de similaridade e continuidade para criar mapas de segmentação de estruturas intracranianas e tecidos observáveis. Esta abordagem visa auxiliar especialistas no diagnóstico, identificando regiões com anomalias específicas. O método, aplicado ao conjunto de dados reais, utiliza função de avaliação da continuidade espacial relacionada à quantidade desejada de estruturas. Os resultados apresentam desempenho satisfatório, indicando abordagem simplificada e acessível que reduz a carga computacional, o tempo de treinamento e os custos financeiros, oferecendo potencial impacto na prática clínica ao agilizar a interpretação de exames anormais. A proposta serve como ferramenta aplicável na segmentação de imagens de tomografia computadorizada craniana, proporcionando contribuição significativa para a análise de imagens médicas em ambientes clínicos e diagnósticos.porUniversidade Federal de GoiásPrograma de Pós-graduação em Engenharia Elétrica e da Computação (EMC)UFGBrasilEscola de Engenharia Elétrica, Mecânica e de Computação - EMC (RMG)Attribution-NonCommercial-NoDerivatives 4.0 Internationalinfo:eu-repo/semantics/openAccessAprendizado não supervisionadoSegmentaçãoTomografia computadorizado de crânioUnsupervised learningSegmentationComputerized tomography of cranialCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOModelo não supervisionado de segmentação de estruturas em exames de tomografia de crânioUnsupervised model for structure segmentation applied to brain computed tomographyinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional da UFGinstname:Universidade Federal de Goiás (UFG)instacron:UFGORIGINALTese - Paulo Victor dos Santos - 2024.pdfTese - Paulo Victor dos Santos - 2024.pdfapplication/pdf16579361http://repositorio.bc.ufg.br/tede/bitstreams/00f721a6-b5bb-4169-89f7-d81ecb501989/downloadd1425c244cade8525f17c135103d8a0dMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.bc.ufg.br/tede/bitstreams/5ab4b427-1909-4fea-9bb7-ea1f8452cef4/download8a4605be74aa9ea9d79846c1fba20a33MD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805http://repositorio.bc.ufg.br/tede/bitstreams/8d6c0cb6-9232-4438-a406-2dc59d640208/download4460e5956bc1d1639be9ae6146a50347MD53tede/135042024-10-08 08:35:32.214http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalopen.accessoai:repositorio.bc.ufg.br:tede/13504http://repositorio.bc.ufg.br/tedeRepositório InstitucionalPUBhttps://repositorio.bc.ufg.br/tedeserver/oai/requestgrt.bc@ufg.bropendoar:oai:repositorio.bc.ufg.br:tede/12342024-10-08T11:35:32Repositório Institucional da UFG - Universidade Federal de Goiás (UFG)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
dc.title.none.fl_str_mv Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio
dc.title.alternative.eng.fl_str_mv Unsupervised model for structure segmentation applied to brain computed tomography
title Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio
spellingShingle Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio
Santos, Paulo Victor dos
Aprendizado não supervisionado
Segmentação
Tomografia computadorizado de crânio
Unsupervised learning
Segmentation
Computerized tomography of cranial
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
title_short Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio
title_full Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio
title_fullStr Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio
title_full_unstemmed Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio
title_sort Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio
author Santos, Paulo Victor dos
author_facet Santos, Paulo Victor dos
author_role author
dc.contributor.advisor1.fl_str_mv Calixto, Wesley Pacheco
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/9073478192027867
dc.contributor.advisor-co1.fl_str_mv Martins, Marcella Scoczynski Ribeiro
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/5212122361603572
dc.contributor.referee1.fl_str_mv Calixto, Wesley Pacheco
dc.contributor.referee2.fl_str_mv Delgado, Myriam Regattieri de Biase da Silva
dc.contributor.referee3.fl_str_mv Vieira, Flavio Henrique Teles
dc.contributor.referee4.fl_str_mv Gonçalves, Cristhiane
dc.contributor.referee5.fl_str_mv Martins, Marcella Scoczynski Ribeiro
dc.contributor.authorLattes.fl_str_mv https://lattes.cnpq.br/9100653716674793
dc.contributor.author.fl_str_mv Santos, Paulo Victor dos
contributor_str_mv Calixto, Wesley Pacheco
Martins, Marcella Scoczynski Ribeiro
Calixto, Wesley Pacheco
Delgado, Myriam Regattieri de Biase da Silva
Vieira, Flavio Henrique Teles
Gonçalves, Cristhiane
Martins, Marcella Scoczynski Ribeiro
dc.subject.por.fl_str_mv Aprendizado não supervisionado
Segmentação
Tomografia computadorizado de crânio
topic Aprendizado não supervisionado
Segmentação
Tomografia computadorizado de crânio
Unsupervised learning
Segmentation
Computerized tomography of cranial
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.subject.eng.fl_str_mv Unsupervised learning
Segmentation
Computerized tomography of cranial
dc.subject.cnpq.fl_str_mv CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
description This work proposes the development of an unsupervised method for segmenting cranial CT images. The methodology involves extracting image features and applying similarity and continuity constraints to create segmentation maps of intracranial structures and observable tissues. This approach aims to assist specialists in diagnosis by identifying regions with specific anomalies. Applied to real-world datasets, the method uses a spatial continuity evaluation function related to the desired number of structures. Results show satisfactory performance, indicating a simplified and accessible approach that reduces computational load, training time, and financial costs. This proposal serves as a practical tool for cranial CT image segmentation, providing significant contributions to the analysis of medical images in clinical and diagnostic settings.
publishDate 2024
dc.date.accessioned.fl_str_mv 2024-10-08T11:35:31Z
dc.date.available.fl_str_mv 2024-10-08T11:35:31Z
dc.date.issued.fl_str_mv 2024-07-10
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.citation.fl_str_mv SANTOS, P. V. Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio. 2024. 125 f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Escola de Engenharia Elétrica, Mecânica e de Computação, Universidade Federal de Goiás, Goiânia, 2024.
dc.identifier.uri.fl_str_mv http://repositorio.bc.ufg.br/tede/handle/tede/13504
dc.identifier.dark.fl_str_mv ark:/38995/001300000134t
identifier_str_mv SANTOS, P. V. Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio. 2024. 125 f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Escola de Engenharia Elétrica, Mecânica e de Computação, Universidade Federal de Goiás, Goiânia, 2024.
ark:/38995/001300000134t
url http://repositorio.bc.ufg.br/tede/handle/tede/13504
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Goiás
dc.publisher.program.fl_str_mv Programa de Pós-graduação em Engenharia Elétrica e da Computação (EMC)
dc.publisher.initials.fl_str_mv UFG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Escola de Engenharia Elétrica, Mecânica e de Computação - EMC (RMG)
publisher.none.fl_str_mv Universidade Federal de Goiás
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFG
instname:Universidade Federal de Goiás (UFG)
instacron:UFG
instname_str Universidade Federal de Goiás (UFG)
instacron_str UFG
institution UFG
reponame_str Repositório Institucional da UFG
collection Repositório Institucional da UFG
bitstream.url.fl_str_mv http://repositorio.bc.ufg.br/tede/bitstreams/00f721a6-b5bb-4169-89f7-d81ecb501989/download
http://repositorio.bc.ufg.br/tede/bitstreams/5ab4b427-1909-4fea-9bb7-ea1f8452cef4/download
http://repositorio.bc.ufg.br/tede/bitstreams/8d6c0cb6-9232-4438-a406-2dc59d640208/download
bitstream.checksum.fl_str_mv d1425c244cade8525f17c135103d8a0d
8a4605be74aa9ea9d79846c1fba20a33
4460e5956bc1d1639be9ae6146a50347
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFG - Universidade Federal de Goiás (UFG)
repository.mail.fl_str_mv grt.bc@ufg.br
_version_ 1846536607164792832

Registros relacionados