Desenvolvimento de Métricas de Similaridade em Registro de Imagens Médicas Fundamentada em Redes Neurais Profundas

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Andrade, Natan [UNIFESP]
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
dARK ID: ark:/48912/001300002kktq
Idioma: por
Instituição de defesa: Universidade Federal de São Paulo
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Registro de Imagens Médicas, Aprendizado Profundo, Métricas de Similaridade, Ensembles
Medical Image Registration, Deep Learning, Similarity Metrics, Ensembles
Link de acesso: https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=10892109
https://repositorio.unifesp.br/handle/11600/60919
Resumo: Recentemente, diversas técnicas de aprendizado de máquina e visão computacional baseadas em aprendizado profundo revolucionaram as mais diversas áreas da ciência, incluindo o registro de imagens médicas. Inúmeros tipos de modalidades de imagens médicas proporcionam diversos avanços para o diagnóstico antecipado e o tratamento de doenças. O registro é um processamento digital indispensável em imagens estruturais e funcionais empregadas em diversos estudos analíticos. Um dos componentes dos métodos de registro é a métrica de similaridade que serve para identificar as mesmas regiões em imagens de modalidades diferentes e/ou em diferentes perspectivas. O registro de imagens de multimodalidades constitui uma das maiores adversidades em imagens médicas devido à grande variabilidade de tecidos e às diferentes aparências, formas e posições. Visando contornar essa situação, neste projeto foi utilizada uma estratégia de modelagem de métricas de similaridade utilizando-se o aprendizado profundo objetivando obter, aplicar e validar novas métricas de similaridade que conseguem produzir registros de imagens médicas de multimodalidades com maior acurácia e qualidade. Além disso, desenvolvemos ensembles entre os mapas de similaridade que foram avaliados por duas novas métricas de avaliação, o que permitiu um resultado mais robusto em relação a acurácia da região de correspondência e das regiões de falsa correspondência.
id UFSP_5e0e406a92bd37b4e144e408751ea0de
oai_identifier_str oai:repositorio.unifesp.br:11600/60919
network_acronym_str UFSP
network_name_str Repositório Institucional da UNIFESP
repository_id_str
spelling Desenvolvimento de Métricas de Similaridade em Registro de Imagens Médicas Fundamentada em Redes Neurais ProfundasDevelopment of Similarity Metrics in Medical Image Registration Based on Deep Neural NetworksRegistro de Imagens Médicas, Aprendizado Profundo, Métricas de Similaridade, EnsemblesMedical Image Registration, Deep Learning, Similarity Metrics, EnsemblesRecentemente, diversas técnicas de aprendizado de máquina e visão computacional baseadas em aprendizado profundo revolucionaram as mais diversas áreas da ciência, incluindo o registro de imagens médicas. Inúmeros tipos de modalidades de imagens médicas proporcionam diversos avanços para o diagnóstico antecipado e o tratamento de doenças. O registro é um processamento digital indispensável em imagens estruturais e funcionais empregadas em diversos estudos analíticos. Um dos componentes dos métodos de registro é a métrica de similaridade que serve para identificar as mesmas regiões em imagens de modalidades diferentes e/ou em diferentes perspectivas. O registro de imagens de multimodalidades constitui uma das maiores adversidades em imagens médicas devido à grande variabilidade de tecidos e às diferentes aparências, formas e posições. Visando contornar essa situação, neste projeto foi utilizada uma estratégia de modelagem de métricas de similaridade utilizando-se o aprendizado profundo objetivando obter, aplicar e validar novas métricas de similaridade que conseguem produzir registros de imagens médicas de multimodalidades com maior acurácia e qualidade. Além disso, desenvolvemos ensembles entre os mapas de similaridade que foram avaliados por duas novas métricas de avaliação, o que permitiu um resultado mais robusto em relação a acurácia da região de correspondência e das regiões de falsa correspondência.Recently, several machine-learning and computer-vision techniques based on deep learning revolutionized a diversity of scientific areas, including medical imaging. Numerous types of medical imaging modalities provide considerable advances for early diagnosis and treatment of diseases. Medical image registration is an indispensable digital processing in structural and functional images used in several analytical studies. One of the components of the registration methods is the similarity metric that serves to identify the same regions in images of different modalities and / or in different perspectives. Multimodal image registration consitutes one of the greatest challenges in medical imaging due to the great variability of tissues and the different appearances, shapes, and positions. Aiming to overcome this situation, a similarity metrics modeling strategy will be used in this project, using deep learning to obtain, apply, and validate a new similarity metric that can produce multimodality medical image registration with greater accuracy and quality. In addition, we developed ensembles between the similarity maps that were evaluated by two new evaluation metrics, which allowed a more robust result in relation to the accuracy of the correspondence region and the regions of false correspondence.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Universidade Federal de São PauloCappabianco, Fábio Augusto Menocci [UNIFESP]Faria, Fabio Augusto [UNIFESP]http://lattes.cnpq.br/3828728429230356http://lattes.cnpq.br/7438076121387151http://lattes.cnpq.br/4517361913674430Andrade, Natan [UNIFESP]2021-04-22T11:32:15Z2021-04-22T11:32:15Z2020-12-22info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersion151 f.application/pdfhttps://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=10892109Andrade, Natan Desenvolvimento de Métricas de Similaridade em Registro Médicos Fundamentada em Redes Neurais Profundas / Natan Andrade Orientador(a) Fábio Augusto M. Cappabianco; Coorientador(a) Fabio Augusto Faria. - São José dos Campos, 2020. 151 phttps://repositorio.unifesp.br/handle/11600/60919ark:/48912/001300002kktqporSão José dos Campos, SPinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFESPinstname:Universidade Federal de São Paulo (UNIFESP)instacron:UNIFESP2024-08-03T11:00:22Zoai:repositorio.unifesp.br:11600/60919Repositório InstitucionalPUBhttp://www.repositorio.unifesp.br/oai/requestbiblioteca.csp@unifesp.bropendoar:34652024-08-03T11:00:22Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)false
dc.title.none.fl_str_mv Desenvolvimento de Métricas de Similaridade em Registro de Imagens Médicas Fundamentada em Redes Neurais Profundas
Development of Similarity Metrics in Medical Image Registration Based on Deep Neural Networks
title Desenvolvimento de Métricas de Similaridade em Registro de Imagens Médicas Fundamentada em Redes Neurais Profundas
spellingShingle Desenvolvimento de Métricas de Similaridade em Registro de Imagens Médicas Fundamentada em Redes Neurais Profundas
Andrade, Natan [UNIFESP]
Registro de Imagens Médicas, Aprendizado Profundo, Métricas de Similaridade, Ensembles
Medical Image Registration, Deep Learning, Similarity Metrics, Ensembles
title_short Desenvolvimento de Métricas de Similaridade em Registro de Imagens Médicas Fundamentada em Redes Neurais Profundas
title_full Desenvolvimento de Métricas de Similaridade em Registro de Imagens Médicas Fundamentada em Redes Neurais Profundas
title_fullStr Desenvolvimento de Métricas de Similaridade em Registro de Imagens Médicas Fundamentada em Redes Neurais Profundas
title_full_unstemmed Desenvolvimento de Métricas de Similaridade em Registro de Imagens Médicas Fundamentada em Redes Neurais Profundas
title_sort Desenvolvimento de Métricas de Similaridade em Registro de Imagens Médicas Fundamentada em Redes Neurais Profundas
author Andrade, Natan [UNIFESP]
author_facet Andrade, Natan [UNIFESP]
author_role author
dc.contributor.none.fl_str_mv Cappabianco, Fábio Augusto Menocci [UNIFESP]
Faria, Fabio Augusto [UNIFESP]
http://lattes.cnpq.br/3828728429230356
http://lattes.cnpq.br/7438076121387151
http://lattes.cnpq.br/4517361913674430
dc.contributor.author.fl_str_mv Andrade, Natan [UNIFESP]
dc.subject.por.fl_str_mv Registro de Imagens Médicas, Aprendizado Profundo, Métricas de Similaridade, Ensembles
Medical Image Registration, Deep Learning, Similarity Metrics, Ensembles
topic Registro de Imagens Médicas, Aprendizado Profundo, Métricas de Similaridade, Ensembles
Medical Image Registration, Deep Learning, Similarity Metrics, Ensembles
description Recentemente, diversas técnicas de aprendizado de máquina e visão computacional baseadas em aprendizado profundo revolucionaram as mais diversas áreas da ciência, incluindo o registro de imagens médicas. Inúmeros tipos de modalidades de imagens médicas proporcionam diversos avanços para o diagnóstico antecipado e o tratamento de doenças. O registro é um processamento digital indispensável em imagens estruturais e funcionais empregadas em diversos estudos analíticos. Um dos componentes dos métodos de registro é a métrica de similaridade que serve para identificar as mesmas regiões em imagens de modalidades diferentes e/ou em diferentes perspectivas. O registro de imagens de multimodalidades constitui uma das maiores adversidades em imagens médicas devido à grande variabilidade de tecidos e às diferentes aparências, formas e posições. Visando contornar essa situação, neste projeto foi utilizada uma estratégia de modelagem de métricas de similaridade utilizando-se o aprendizado profundo objetivando obter, aplicar e validar novas métricas de similaridade que conseguem produzir registros de imagens médicas de multimodalidades com maior acurácia e qualidade. Além disso, desenvolvemos ensembles entre os mapas de similaridade que foram avaliados por duas novas métricas de avaliação, o que permitiu um resultado mais robusto em relação a acurácia da região de correspondência e das regiões de falsa correspondência.
publishDate 2020
dc.date.none.fl_str_mv 2020-12-22
2021-04-22T11:32:15Z
2021-04-22T11:32:15Z
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=10892109
Andrade, Natan Desenvolvimento de Métricas de Similaridade em Registro Médicos Fundamentada em Redes Neurais Profundas / Natan Andrade Orientador(a) Fábio Augusto M. Cappabianco; Coorientador(a) Fabio Augusto Faria. - São José dos Campos, 2020. 151 p
https://repositorio.unifesp.br/handle/11600/60919
dc.identifier.dark.fl_str_mv ark:/48912/001300002kktq
url https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=10892109
https://repositorio.unifesp.br/handle/11600/60919
identifier_str_mv Andrade, Natan Desenvolvimento de Métricas de Similaridade em Registro Médicos Fundamentada em Redes Neurais Profundas / Natan Andrade Orientador(a) Fábio Augusto M. Cappabianco; Coorientador(a) Fabio Augusto Faria. - São José dos Campos, 2020. 151 p
ark:/48912/001300002kktq
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 151 f.
application/pdf
dc.coverage.none.fl_str_mv São José dos Campos, SP
dc.publisher.none.fl_str_mv Universidade Federal de São Paulo
publisher.none.fl_str_mv Universidade Federal de São Paulo
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFESP
instname:Universidade Federal de São Paulo (UNIFESP)
instacron:UNIFESP
instname_str Universidade Federal de São Paulo (UNIFESP)
instacron_str UNIFESP
institution UNIFESP
reponame_str Repositório Institucional da UNIFESP
collection Repositório Institucional da UNIFESP
repository.name.fl_str_mv Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)
repository.mail.fl_str_mv biblioteca.csp@unifesp.br
_version_ 1848498027128422400

Registros relacionados