Arcabouço para Classificação, Recuperação por Conteúdo e Radiômica de Imagens Médicas: uma investigação de biomarcadores quantitativos para o câncer de pulmão

• Ano de defesa: 2019
• Autor(a) principal: Ferreira Júnior, José Raniery
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Análise de imagens médicas; Câncer de pulmão; Classificação de imagens médicas; Lung cancer; Medical image analysis,; Medical image classification, Content-based image retrieval; Pattern recognition; Radiômica; Radiomics; Reconhecimento de padrões; Recuperação de imagens baseada em conteúdo
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/82/82131/tde-27022020-113956/

Sistemas de diagnóstico auxiliado por computador (do Inglês computer-aided diagnosis/ detection - CAD), recuperação de imagens baseada em conteúdo (do Inglês content-based image retrieval - CBIR) e radiômica (do Inglês radiomics) vêm sendo desenvolvidos com o objetivo de melhorar a acurácia diagnóstica, a consistência na interpretação de imagens médicas, a avaliação prognóstica do paciente e o suporte à decisão terapêutica. Estas ferramentas possuem grande potencial em reconhecer objetiva e precisamente padrões em imagens, porém ainda possuem diversas limitações. Este trabalho tentou diminuir as limitações de característica, referente à representação numérica ineficiente das imagens, e de desempenho, referente à qualidade baixa de integração sistemática, que estas ferramentas podem possuir. Alguns conjuntos de imagens de tomografia computadorizada de neoplasias pulmonares foram utilizados no desenvolvimento desta pesquisa retrospectiva. Modelos semiautomáticos de reconhecimento de padrões, utilizando segmentação por crescimento de região volumétrica, extração de atributos calibrados de imagens, classificação e recuperação por conteúdo, avaliação prognóstica e rede neural convolucional, foram desenvolvidos para compor um arcabouço de análise quantitativa de imagens médicas. Os modelos de CAD, CBIR e radiômica mostraram potencial de integração com sistemas de informação em radiologia e hospitalar para a rotina clínica. Este trabalho também desenvolveu e identificou diferentes variáveis quantitativas para a avaliação diagnóstica e prognóstica de diferentes doenças. O arcabouço pode proporcionar diversos biomarcadores computacionais de imagens e mais informações importantes para os especialistas, potencialmente auxiliando as tomadas de decisões radiológicas. Por fim, esta tese contribuiu para a identificação de uma assinatura radiômica de avaliação diagnóstica e prognóstica do câncer de pulmão para a estratificação de risco do paciente.