Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio

dc.contributor.advisor-co1Martins, Marcella Scoczynski Ribeiro
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/5212122361603572
dc.contributor.advisor1Calixto, Wesley Pacheco
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9073478192027867
dc.contributor.referee1Calixto, Wesley Pacheco
dc.contributor.referee2Delgado, Myriam Regattieri de Biase da Silva
dc.contributor.referee3Vieira, Flavio Henrique Teles
dc.contributor.referee4Gonçalves, Cristhiane
dc.contributor.referee5Martins, Marcella Scoczynski Ribeiro
dc.creatorSantos, Paulo Victor dos
dc.creator.Latteshttps://lattes.cnpq.br/9100653716674793
dc.date.accessioned2024-10-08T11:35:31Z
dc.date.available2024-10-08T11:35:31Z
dc.date.issued2024-07-10
dc.description.abstractThis work proposes the development of an unsupervised method for segmenting cranial CT images. The methodology involves extracting image features and applying similarity and continuity constraints to create segmentation maps of intracranial structures and observable tissues. This approach aims to assist specialists in diagnosis by identifying regions with specific anomalies. Applied to real-world datasets, the method uses a spatial continuity evaluation function related to the desired number of structures. Results show satisfactory performance, indicating a simplified and accessible approach that reduces computational load, training time, and financial costs. This proposal serves as a practical tool for cranial CT image segmentation, providing significant contributions to the analysis of medical images in clinical and diagnostic settings.eng
dc.description.resumoEste trabalho propõe o desenvolvimento de método não supervisionado para a segmentação de imagens de tomografia computadorizada craniana. Na metodologia extrai-se características das imagens, aplicando restrições de similaridade e continuidade para criar mapas de segmentação de estruturas intracranianas e tecidos observáveis. Esta abordagem visa auxiliar especialistas no diagnóstico, identificando regiões com anomalias específicas. O método, aplicado ao conjunto de dados reais, utiliza função de avaliação da continuidade espacial relacionada à quantidade desejada de estruturas. Os resultados apresentam desempenho satisfatório, indicando abordagem simplificada e acessível que reduz a carga computacional, o tempo de treinamento e os custos financeiros, oferecendo potencial impacto na prática clínica ao agilizar a interpretação de exames anormais. A proposta serve como ferramenta aplicável na segmentação de imagens de tomografia computadorizada craniana, proporcionando contribuição significativa para a análise de imagens médicas em ambientes clínicos e diagnósticos.
dc.identifier.citationSANTOS, P. V. Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio. 2024. 125 f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Escola de Engenharia Elétrica, Mecânica e de Computação, Universidade Federal de Goiás, Goiânia, 2024.
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/13504
dc.languagepor
dc.publisherUniversidade Federal de Goiás
dc.publisher.countryBrasil
dc.publisher.departmentEscola de Engenharia Elétrica, Mecânica e de Computação - EMC (RMG)
dc.publisher.initialsUFG
dc.publisher.programPrograma de Pós-graduação em Engenharia Elétrica e da Computação (EMC)
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internationalen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectAprendizado não supervisionadopor
dc.subjectSegmentaçãopor
dc.subjectTomografia computadorizado de crâniopor
dc.subjectUnsupervised learningeng
dc.subjectSegmentationeng
dc.subjectComputerized tomography of cranialeng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.titleModelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio
dc.title.alternativeUnsupervised model for structure segmentation applied to brain computed tomographyeng
dc.typeTese

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
Tese - Paulo Victor dos Santos - 2024.pdf
Tamanho:
15.81 MB
Formato:
Adobe Portable Document Format

Licença do Pacote

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição: