Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Segundo, Leodécio Braz da Silva, 1997-
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: [s.n.]
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizado profundo
Classificação de imagem
Redes neurais convolucionais
Deep learning
Image classification
Convolutional neural networks
Link de acesso: https://hdl.handle.net/20.500.12733/1641337
Resumo: Orientadores: Hélio Pedrini, Zanoni Dias
id UNICAMP-30_da86345386929d7c075752777afa0a83
oai_identifier_str oai::1164542
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundoClassification of musculoskeletal images using deep machine learningAprendizado profundoClassificação de imagemRedes neurais convolucionaisDeep learningImage classificationConvolutional neural networksOrientadores: Hélio Pedrini, Zanoni DiasDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de ComputaçãoResumo: Distúrbios musculoesqueléticos, muitas vezes caracterizados por dores agudas ou crônicas, limitam a capacidade de um indivíduo em realizar atividades de rotina. Os distúrbios ocorrem com frequência e determinar se um estudo radiográfico apresenta a estrutura óssea "normal" ou "anormal" é uma tarefa crítica na radiologia. Sistemas de auxílio ao diagnóstico possuem o potencial de aliviar a sobrecarga de médicos e diminuir a ocorrência de diagnósticos incorretos, entretanto, formular métodos de sucesso para a classificação automática apresenta vários desafios. Técnicas de aprendizado de máquina profundo têm sido cada vez mais aplicadas nesse tipo de problemas, com o objetivo de fornecer resultados mais precisos nas tarefas de classificação, tanto em imagens quanto em textos médicos, assim como na geração automática de relatórios médicos. Neste estudo, avaliamos o uso de diferentes redes neurais convolucionais para detectar anormalidades musculoesqueléticas por meio de exames de raios-X e averiguar o impacto de diversas técnicas aplicadas de forma incremental ao modelo. Baseado nos experimentos realizados, os melhores resultados foram obtidos por meio de uma estratégia de fusão, em que empregamos uma máquina de vetores de suporte (SVM) para combinar as saídas dos diferentes modelos utilizados. Nesta pesquisa, investigamos a influência da fusão de características de diferentes modalidades visando melhorar a detecção de anormalidades musculoesqueléticas. Os resultados obtidos indicam que utilizar uma abordagem multimodal apresenta uma melhora nos resultados quando comparado com os resultados de classificação utilizando imagens e textos individualmente. Duas bases de dados médicos disponíveis publicamente foram utilizadas nos nossos experimentos para validar as arquiteturas propostas. Diversas métricas quantitativas foram calculadas para demonstrar a eficácia da classificação de imagens musculoesqueléticasAbstract: Musculoskeletal disorders, often characterized by acute or chronic pain, limit an individual's ability to perform routine activities. Musculoskeletal disorders occur frequently and determining whether a radiographic study presents the "normal" or "abnormal" bone structure is a critical task in radiology. Diagnostic aid systems have the potential to relieve physicians' overload and reduce the occurrence of incorrect diagnoses, however, formulating successful methods for automatic classification presents several challenges. Deep learning techniques have been increasingly applied to these types of problems, with the purpose of providing more accurate results in the classification tasks, both in images and medical texts, as well as in the automatic generation of medical reports. In this study, we evaluate the use of different convolutional neural networks to detect musculoskeletal abnormalities by means of X-ray examinations and investigate the impact of various techniques applied incrementally to the model. Based on the experiments carried out, the best results were obtained through a fusion strategy, in which we employ a support vector machine (SVM) to combine the outputs of the different models used. In this research, we investigated the influence of the fusion of characteristics of different modalities in order to improve the detection of musculoskeletal abnormalities. The results obtained indicate that using a multimodal approach presents an improvement in the results when compared to the classification results using images and texts individually. Two publicly available medical databases were used in our experiments to validate the proposed architectures. Several quantitative metrics were calculated to demonstrate the effectiveness of the musculoskeletal image classificationMestradoCiência da ComputaçãoMestre em Ciência da ComputaçãoCAPESFuncamp[s.n.]Pedrini, Hélio, 1963-Dias, Zanoni, 1975-Pires, RamonWainer, JacquesUniversidade Estadual de Campinas (UNICAMP). Instituto de ComputaçãoPrograma de Pós-Graduação em Ciência da ComputaçãoUNIVERSIDADE ESTADUAL DE CAMPINASSegundo, Leodécio Braz da Silva, 1997-20212021-04-05T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (72 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1641337SEGUNDO, Leodécio Braz da Silva. Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo. 2021. 1 recurso online (72 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1641337. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1164542Requisitos 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/openAccess2021-05-13T09:53:12Zoai::1164542Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2021-05-13T09:53:12Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo
Classification of musculoskeletal images using deep machine learning
title Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo
spellingShingle Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo
Segundo, Leodécio Braz da Silva, 1997-
Aprendizado profundo
Classificação de imagem
Redes neurais convolucionais
Deep learning
Image classification
Convolutional neural networks
title_short Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo
title_full Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo
title_fullStr Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo
title_full_unstemmed Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo
title_sort Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo
author Segundo, Leodécio Braz da Silva, 1997-
author_facet Segundo, Leodécio Braz da Silva, 1997-
author_role author
dc.contributor.none.fl_str_mv Pedrini, Hélio, 1963-
Dias, Zanoni, 1975-
Pires, Ramon
Wainer, Jacques
Universidade Estadual de Campinas (UNICAMP). Instituto de Computação
Programa de Pós-Graduação em Ciência da Computação
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Segundo, Leodécio Braz da Silva, 1997-
dc.subject.por.fl_str_mv Aprendizado profundo
Classificação de imagem
Redes neurais convolucionais
Deep learning
Image classification
Convolutional neural networks
topic Aprendizado profundo
Classificação de imagem
Redes neurais convolucionais
Deep learning
Image classification
Convolutional neural networks
description Orientadores: Hélio Pedrini, Zanoni Dias
publishDate 2021
dc.date.none.fl_str_mv 2021
2021-04-05T00:00:00Z
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://hdl.handle.net/20.500.12733/1641337
SEGUNDO, Leodécio Braz da Silva. Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo. 2021. 1 recurso online (72 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1641337. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1641337
identifier_str_mv SEGUNDO, Leodécio Braz da Silva. Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo. 2021. 1 recurso online (72 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1641337. 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/1164542
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 (72 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_ 1809189927484653568

Registros relacionados