Avaliação automatizada do lúmen braquial em exames de ultrassonografia cardiovascular utilizando aprendizado de máquina

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Niemeyer, Conrado Araujo Limeira de
Orientador(a): Silva, Alexandre Gonçalves
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://repositorio.ufsc.br/handle/123456789/261442
Resumo: Dissertação (mestrado profissional) - Universidade Federal de Santa Catarina, Centro de Ciências da Saúde, Programa de Pós-Graduação em Informática em Saúde, Florianópolis, 2024.
id UFSC_013c93d0e61d9140f60ec4231529f8a2
oai_identifier_str oai:repositorio.ufsc.br:123456789/261442
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaNiemeyer, Conrado Araujo Limeira deSilva, Alexandre Gonçalves2024-12-09T23:26:55Z2024-12-09T23:26:55Z2024389284https://repositorio.ufsc.br/handle/123456789/261442Dissertação (mestrado profissional) - Universidade Federal de Santa Catarina, Centro de Ciências da Saúde, Programa de Pós-Graduação em Informática em Saúde, Florianópolis, 2024.As doenças cardiovasculares (DCV) são a principal causa de morte em todo o mundo, ceifando cerca de 17,9 milhões de vidas a cada ano. As DCV são um grupo de doenças do coração e dos vasos sanguíneos e incluem doenças coronárias, doenças cerebrovasculares, doenças cardíacas reumáticas e outras condições. Os fatores de risco comportamentais mais importantes para doenças cardíacas e AVC são alimentação pouco saudável, inatividade física, consumo de tabaco e consumo nocivo de álcool. A disfunção endotelial é considerada um evento precoce importante no desenvolvimento da aterosclerose, que precede sinais morfológicos grosseiros e sintomas clínicos. A determinação da função endotelial pode ser feita pela Dilatação Mediada por Fluxo (FMD) que envolve a mensuração da dilatação da artéria braquial após um período transitório de isquemia do antebraço, utilizando um ultrassom. No entanto, é importante ressaltar que o valor da FMD pode ser afetado aleatoriamente por uma aplicação inadequada do método. Por isso, têm sido feitos esforços para padronizar a metodologia de medição da FMD. A mensuração de forma manual da FMD consome um tempo relativamente alto mesmo para profissionais experientes e existem diversos métodos semi automatizados ou automatizados para a solução dessas tarefas de forma mais otimizada. Redes neurais recentemente atraíram muito o interesse, pois impulsionaram o estado da arte em tarefas de visão computacional, como classificação de imagens, detecção e segmentação de objetos. Tais avanços também foram captados pela comunidade de pesquisa em imagens médicas. Portanto, este trabalho de pesquisa possui como objetivo principal realizar uma avaliação automatizada do lúmen da artéria braquial usando imagens de ultrassom obtidas a partir da técnica de FMD. Todos os softwares usados no desenvolvimento deste projeto são open-source. Foram avaliadas 300 imagens (frames) de ultrassom de 3 pacientes dentro do conjunto de 400 vídeos de exames realizados no Hospital de Clínicas da UNICAMP no ambulatório de hipertensão. Dois operadores realizaram o processo de segmentação dos frames, um de forma manual e o outro de forma semi automatizada. A rede neural CMUNeXt foi selecionada para realizar a segmentação de forma automática, alcançando métricas de desempenho notáveis em comparação com os operadores. Para o operador 1, as métricas foram as seguintes: IoU: 92,7% ± 2,9% e Acurácia: 98,7% ± 0,5. Enquanto para o operador 2 as métricas foram melhores: IoU: 96,5% ± 1,2; Acurácia: 99,4% ± 0,2. Todos os valores obtidos dessas métricas estão em conformidade com o estado da arte, permitindo-nos estimar, com o auxílio de outro algoritmo, o diâmetro em milímetros da artéria braquial a partir das imagens segmentadas (máscaras) pela rede neural. Esse estudo revela-se altamente promissor, sugerindo a possibilidade de diversos trabalhos futuros que podem surgir a partir do aprimoramento contínuo de todo o processo.Abstract: Cardiovascular diseases (CVD) are the leading cause of death worldwide, claiming around 17.9 million lives each year. CVDs are a group of diseases of the heart and blood vessels and include coronary heart disease, cerebrovascular disease, rheumatic heart disease, and other conditions. The most important behavioral risk factors for heart disease and stroke are unhealthy diet, physical inactivity, tobacco use and harmful alcohol consumption. Endothelial dysfunction is considered an important early event in the development of atherosclerosis, which precedes gross morphological signs and clinical symptoms. The determination of endothelial function can be made by Flow Mediated Dilation (FMD), which involves measuring the dilation of the brachial artery after a transient period of ischemia of the forearm, using an ultrasound. However, it is important to highlight that the FMD value can be randomly affected by an inadequate application of the method. Therefore, efforts have been made to standardize the FMD measurement methodology. Manually measuring FMD is relatively time consuming even for experienced professionals and there are several semi-automated or automated methods for solving these tasks in a more optimized way. Neural networks have recently attracted a lot of interest as they have driven the state of the art in computer vision tasks such as image classification, object detection and segmentation. Such advances have also been captured by the medical imaging research community. Therefore, this research work's main objective is to perform an automated assessment of the brachial artery lumen using ultrasound images obtained from the FMD technique. All software used in the development of this project is o?en-source. 300 ultrasound images (frames) of 3 patients were evaluated within the set of 400 videos of exams carried out at the Hospital de Clínicas da UNICAMP in the hypertension outpatient clinic. Two operators carried out the frame segmentation process, one manually and the other semi-automated. The CMUNeXt neural network was selected to perform the segmentation automatically, achieving notable performance metrics compared to operators. For operator 1, the metrics were as follows: IoU: 92.7% ± 2.9; Accuracy: 98.7% ± 0.5. While for operator 2, the metrics were even better: IoU: 96.5% ± 1.2; Accuracy: 99.4% ± 0.2. All values obtained from these metrics are in accordance with the state of the art, allowing us to estimate, with the help of another algorithm, the diameter in millimeters of the brachial artery from the images segmented (masks) by the neural network. This study appears to be highly promising, suggesting the possibility of several future works that may arise from the continuous improvement of the entire process.67 p.| il., gráfs.porInformática na medicinaSistema cardiovascularDiagnóstico por ultrassomRedes neurais (Computação)Aprendizado profundo (aprendizado do computador)Avaliação automatizada do lúmen braquial em exames de ultrassonografia cardiovascular utilizando aprendizado de máquinainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPGIS0071-D.pdfPGIS0071-D.pdfapplication/pdf2149532https://repositorio.ufsc.br/bitstream/123456789/261442/-1/PGIS0071-D.pdf233e34ebeb271aed3d14ac8f55b90edaMD5-1123456789/2614422024-12-09 20:26:55.794oai:repositorio.ufsc.br:123456789/261442Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732024-12-09T23:26:55Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Avaliação automatizada do lúmen braquial em exames de ultrassonografia cardiovascular utilizando aprendizado de máquina
title Avaliação automatizada do lúmen braquial em exames de ultrassonografia cardiovascular utilizando aprendizado de máquina
spellingShingle Avaliação automatizada do lúmen braquial em exames de ultrassonografia cardiovascular utilizando aprendizado de máquina
Niemeyer, Conrado Araujo Limeira de
Informática na medicina
Sistema cardiovascular
Diagnóstico por ultrassom
Redes neurais (Computação)
Aprendizado profundo (aprendizado do computador)
title_short Avaliação automatizada do lúmen braquial em exames de ultrassonografia cardiovascular utilizando aprendizado de máquina
title_full Avaliação automatizada do lúmen braquial em exames de ultrassonografia cardiovascular utilizando aprendizado de máquina
title_fullStr Avaliação automatizada do lúmen braquial em exames de ultrassonografia cardiovascular utilizando aprendizado de máquina
title_full_unstemmed Avaliação automatizada do lúmen braquial em exames de ultrassonografia cardiovascular utilizando aprendizado de máquina
title_sort Avaliação automatizada do lúmen braquial em exames de ultrassonografia cardiovascular utilizando aprendizado de máquina
author Niemeyer, Conrado Araujo Limeira de
author_facet Niemeyer, Conrado Araujo Limeira de
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Niemeyer, Conrado Araujo Limeira de
dc.contributor.advisor1.fl_str_mv Silva, Alexandre Gonçalves
contributor_str_mv Silva, Alexandre Gonçalves
dc.subject.classification.none.fl_str_mv Informática na medicina
Sistema cardiovascular
Diagnóstico por ultrassom
Redes neurais (Computação)
Aprendizado profundo (aprendizado do computador)
topic Informática na medicina
Sistema cardiovascular
Diagnóstico por ultrassom
Redes neurais (Computação)
Aprendizado profundo (aprendizado do computador)
description Dissertação (mestrado profissional) - Universidade Federal de Santa Catarina, Centro de Ciências da Saúde, Programa de Pós-Graduação em Informática em Saúde, Florianópolis, 2024.
publishDate 2024
dc.date.accessioned.fl_str_mv 2024-12-09T23:26:55Z
dc.date.available.fl_str_mv 2024-12-09T23:26:55Z
dc.date.issued.fl_str_mv 2024
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 https://repositorio.ufsc.br/handle/123456789/261442
dc.identifier.other.none.fl_str_mv 389284
identifier_str_mv 389284
url https://repositorio.ufsc.br/handle/123456789/261442
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 67 p.| il., gráfs.
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
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/261442/-1/PGIS0071-D.pdf
bitstream.checksum.fl_str_mv 233e34ebeb271aed3d14ac8f55b90eda
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851758972789325824

Registros relacionados