Aplicação de algoritmos de aprendizado profundo na avaliação pré-operatória de cirurgia otológica por exames de imagem

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Neves, Caio Athayde
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
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
Palavras-chave em Português:
Cirurgia otológica
Tomografia computadorizada
Redes neurais (Computação)
Aprendizagem profunda
Link de acesso: http://repositorio.unb.br/handle/10482/48829
Resumo: Tese (doutorado) — Universidade de Brasília, Faculdade de Medicina, Programa de Pós-Graduação em Ciências Médicas, 2023.
id UNB_2ae911985df5ecf45408da5a48ee745c
oai_identifier_str oai:repositorio.unb.br:10482/48829
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Aplicação de algoritmos de aprendizado profundo na avaliação pré-operatória de cirurgia otológica por exames de imagemCirurgia otológicaTomografia computadorizadaRedes neurais (Computação)Aprendizagem profundaTese (doutorado) — Universidade de Brasília, Faculdade de Medicina, Programa de Pós-Graduação em Ciências Médicas, 2023.INTRODUÇÃO: A cirurgia otológica desempenha um papel crucial no tratamento de perda auditiva, infecções e tumores da base lateral do crânio. A segmentação precisa das estruturas otológicas a partir de tomografias computadorizadas (TC) pode melhorar significativamente o planejamento cirúrgico e a orientação intraoperatória. OBJETIVO: Desenvolver e validar um sistema de segmentação automatizada de estruturas-chave do osso temporal obtido de TC utilizando algoritmos de aprendizado profundo. MÉTODO: Trata-se de estudo Experimental no qual foram realizados dois ensaios. No primeiro experimento, 150 TC segmentadas manualmente foram utilizadas para construir modelos de segmentação automatizada empregando redes neurais convolucionais (CNN). A análise objetiva dos modelos de segmentação da orelha interna, nervo facial, ossículos e seio sigmoide incluíram o coeficiente de Dice, velocidade de segmentação e distância de Hausdorff média. No segundo protótipo, um moderno algoritmo de aprendizado profundo (SwinUNETR) foi usado para construir um modelo de previsão para segmentação rápida de nove estruturas-chave do osso temporal em 325 TC clínicas. A avaliação objetiva incluiu Dice, precisão balanceada, distâncias de Hausdorff e tempo de processamento. RESULTADOS: No primeiro experimento, os modelos obtiveram coeficientes de Dice de 0,91, 0,85, 0,75 e 0,86 para as respectivas estruturas, e o tempo de segmentação médio foi de 2,7 segundos por estrutura. O segundo modelo alcançou coeficiente de Dice médio de 0,87 para todas as estruturas, precisão balanceada média de 0,94, Distância de Hausdorff média de 0,79mm e tempo médio de processamento de 9,1 segundos por TC. CONCLUSÃO: Neste estudo, a aplicação de algoritmos de aprendizado profundo para a segmentação automatizada de estruturas do osso temporal em TC permitiu a construção de modelos com elevada precisão de acordo com a análise objetiva recomendada atualmente. Os resultados obtidos demonstram o potencial do método para melhorar a avaliação pré-operatória e a orientação intraoperatória em cirurgia otológica.INTRODUCTION: Otological surgery plays a crucial role in the treatment of hearing loss, infections, and tumors of the lateral skull base. Precise segmentation of otological structures from computed tomography (CT) can significantly improve surgical planning and intraoperative guidance. OBJECTIVE: To develop and validate an automated segmentation system of key temporal bone structures obtained from CT using deep learning algorithms. METHOD: This is an experimental study in which two trials were performed. In the first experiment, 150 manually segmented CTs were used to construct automated segmentation models using Convolutional Neural Networks (CNN). Objective analysis of the inner ear, facial nerve, ossicles, and sigmoid sinus segmentation models included the Dice coefficient, segmentation speed, and average Hausdorff's distance. In the second prototype, a modern deep learning algorithm (SwinUNETR) was used to construct a prediction model for quick segmentation of nine key temporal bone structures in 325 clinical CT. The objective evaluation included Dice, balanced accuracy, Hausdorff distances, and processing time. RESULTS: In the first experiment, the models obtained Dice coefficients of 0.91, 0.85, 0.75, and 0.86 for the respective structures, and the average segmentation time was 2.7 seconds per structure. The second model achieved an average Dice coefficient of 0.87 for all structures, an average balanced accuracy of 0.94, an average Hausdorff distance of 0.79mm, and an average processing time of 9.1 seconds per CT. CONCLUSION: In this study, the application of deep learning algorithms for the automated segmentation of temporal bone structures on CT scans allowed the construction of models with high accuracy according to the currently recommended objective analysis. The results obtained demonstrate the potential of the method to improve preoperative evaluation and intraoperative guidance in otologic surgery.Faculdade de Medicina (FM)Programa de Pós-Graduação em Ciências MédicasKessler, Iruena MoraesNeves, Caio Athayde2024-07-12T23:45:04Z2024-07-12T23:45:04Z2024-07-122023-06-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfNEVES, Caio Athayde. Aplicação de algoritmos de aprendizado profundo na avaliação pré-operatória de cirurgia otológica por exames de imagem. 2023. 119 f., il. Tese (Doutorado em Ciências Médicas) — Universidade de Brasília, Brasília, 2023.http://repositorio.unb.br/handle/10482/48829porA 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/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2025-02-27T17:52:02Zoai:repositorio.unb.br:10482/48829Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2025-02-27T17:52:02Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Aplicação de algoritmos de aprendizado profundo na avaliação pré-operatória de cirurgia otológica por exames de imagem
title Aplicação de algoritmos de aprendizado profundo na avaliação pré-operatória de cirurgia otológica por exames de imagem
spellingShingle Aplicação de algoritmos de aprendizado profundo na avaliação pré-operatória de cirurgia otológica por exames de imagem
Neves, Caio Athayde
Cirurgia otológica
Tomografia computadorizada
Redes neurais (Computação)
Aprendizagem profunda
title_short Aplicação de algoritmos de aprendizado profundo na avaliação pré-operatória de cirurgia otológica por exames de imagem
title_full Aplicação de algoritmos de aprendizado profundo na avaliação pré-operatória de cirurgia otológica por exames de imagem
title_fullStr Aplicação de algoritmos de aprendizado profundo na avaliação pré-operatória de cirurgia otológica por exames de imagem
title_full_unstemmed Aplicação de algoritmos de aprendizado profundo na avaliação pré-operatória de cirurgia otológica por exames de imagem
title_sort Aplicação de algoritmos de aprendizado profundo na avaliação pré-operatória de cirurgia otológica por exames de imagem
author Neves, Caio Athayde
author_facet Neves, Caio Athayde
author_role author
dc.contributor.none.fl_str_mv Kessler, Iruena Moraes
dc.contributor.author.fl_str_mv Neves, Caio Athayde
dc.subject.por.fl_str_mv Cirurgia otológica
Tomografia computadorizada
Redes neurais (Computação)
Aprendizagem profunda
topic Cirurgia otológica
Tomografia computadorizada
Redes neurais (Computação)
Aprendizagem profunda
description Tese (doutorado) — Universidade de Brasília, Faculdade de Medicina, Programa de Pós-Graduação em Ciências Médicas, 2023.
publishDate 2023
dc.date.none.fl_str_mv 2023-06-30
2024-07-12T23:45:04Z
2024-07-12T23:45:04Z
2024-07-12
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 NEVES, Caio Athayde. Aplicação de algoritmos de aprendizado profundo na avaliação pré-operatória de cirurgia otológica por exames de imagem. 2023. 119 f., il. Tese (Doutorado em Ciências Médicas) — Universidade de Brasília, Brasília, 2023.
http://repositorio.unb.br/handle/10482/48829
identifier_str_mv NEVES, Caio Athayde. Aplicação de algoritmos de aprendizado profundo na avaliação pré-operatória de cirurgia otológica por exames de imagem. 2023. 119 f., il. Tese (Doutorado em Ciências Médicas) — Universidade de Brasília, Brasília, 2023.
url http://repositorio.unb.br/handle/10482/48829
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 application/pdf
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
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1839083965555671040

Registros relacionados