Mostrar el registro sencillo del ítem
Aprimoramento de um modelo iterativo de segmentação de lesões de esclerose múltipla em imagens de ressonância magnética
dc.contributor.author | Nacinben, João Gabriel Coli de Souza Monteneri | |
dc.date.accessioned | 2022-04-26T23:22:42Z | |
dc.date.available | 2022-04-26T23:22:42Z | |
dc.date.issued | 2022-04-15 | |
dc.identifier.citation | NACINBEN, João Gabriel Coli de Souza Monteneri. Aprimoramento de um modelo iterativo de segmentação de lesões de esclerose múltipla em imagens de ressonância magnética. 2022. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal de São Carlos, São Carlos, 2022. Disponível em: https://repositorio.ufscar.br/handle/ufscar/15932. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/15932 | |
dc.description.abstract | Multiple Sclerosis (MS) is a cronical, inflammatory and demyelinating disease that impairs the central nervous system (CNS). MS is possibly autoimmune and mainly affects the young adult population. Although its diagnosis is primarily clinical, magnetic resonance imaging (MRI) has proved to be a very important subsidiary tool in confirming the diagnosis and assessing the disease’s progression and treatment, since it allows highlighting the neurological changes in space and time. As manual (or semi-automatic) delineation of MS lesions in MR images is time-consuming and prone to intra and interobserver variabilities, segmentation techniques have been proposed to assist in the segmentation and volumetric measurement of MS lesions using tridimensional (3D) MR images, among which can be mentioned the iterative Student’s t Mixture Model (iStMM), developed inside the Biomedical Image Processing (BIP) Group at the Computing Department of Federal University of São Carlos - FAPESP project number 2016/15661-0. In spite of producing results comparable to those in current scientific literature, the method has two limitations that were the subject of study of this work: (a) the lack of a stopping criterion for the model, which currently uses a fixed number of iterations; (b) the lack of a criterion for automatically selecting the number of clusters, which currently considers the same number of possible clusters at all iterations. Thus, this work improved the aforementioned limitations by investigating the use of texture patterns of lesion masks, obtained at each iteration of the method, to define a stopping criterion for the algorithm. In addition, the Bayesian Information Criterion (BIC) and Akaike Information Criterion (AIC) were analyzed as a way to automatically determine the number of clusters for the mixture model, also at each iteration. At last, a microservices-based web platform was developed as means to allow the execution of this algorithm (and also any other technique that may be included) by authenticated users. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Esclerose múltipla | por |
dc.subject | Matriz de co-ocorrências | por |
dc.subject | Modelos de mistura | por |
dc.subject | Análise de textura | por |
dc.subject | Processamento de imagens 3D | por |
dc.subject | Multiple sclerosis | eng |
dc.subject | 3D image processing | eng |
dc.subject | Magnetic resonance images | eng |
dc.subject | Co-occurence matrix | eng |
dc.subject | Texture analysis | eng |
dc.subject | Mixture models | eng |
dc.subject | Magnetic resonance images | eng |
dc.title | Aprimoramento de um modelo iterativo de segmentação de lesões de esclerose múltipla em imagens de ressonância magnética | por |
dc.title.alternative | Improvement of an iterative model of segmentation of multiple sclerosis lesions in magnetic resonance images | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | Ferrari, Ricardo José | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/8460861175344306 | por |
dc.description.resumo | Esclerose múltipla (EM) é uma doença inflamatória, crônica e desmielinizante que afeta o sistema nervoso central (SNC). A EM é possivelmente autoimune e acomete principalmente a população de jovens adultos. Embora seu diagnóstico seja primariamente clínico, o imageamento por ressonância magnética (RM) tem se mostrado uma ferramenta subsidiária muito importante na confirmação do diagnóstico, no acompanhamento da evolução da doença e de sua terapia, uma vez que permite evidenciar a evolução da doença no espaço e no tempo. Visto que a delineação manual (ou semiautomática) das lesões de EM em imagens RM consome muito tempo e é propensa a variabilidades intra e interobservadores, técnicas de segmentação de imagens têm sido desenvolvidas para o cálculo automático do volume das lesões em imagens RM tridimensionais (3D), dentre os quais pode-se citar o método iterative Student’s t Mixture Model (iStMM) do Departamento de Computação da Universidade Federal de São Carlos - projeto FAPESP Número 2016/15661-0. Apesar de apresentar resultados próximos aos presentes na literatura, o método possui duas limitações que foram alvo de estudo desse trabalho de conclusão de curso, sendo elas: (a) falta de uma estratégia de parada para a técnica, que executa um número fixo de iterações; (b) falta de um critério automático para a seleção do número de agrupamentos do modelo de mistura t-Student, que atualmente sempre busca segmentar uma quantidade fixa de clusters. Neste âmbito, este trabalho analisou padrões de textura das máscaras de lesões, obtidas a cada iteração do algoritmo, de forma a definir um critério de parada. Adicionalmente, foram investigados os critérios Akaike Information Criterion (AIC) e Bayesian Information Criterion (BIC) como ferramenta para seleção automática do número de agrupamentos no modelo de mistura. Por fim, foi desenvolvida uma plataforma web baseada em microsserviços que possibilita a execução deste algoritmo (bem como outros que venham a ser publicados) por usuários autenticados. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.subject.cnpq | ENGENHARIAS::ENGENHARIA BIOMEDICA::ENGENHARIA MEDICA | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/9802666717791100 | por |
dc.publisher.course | Engenharia de Computação - EC | por |