Mostrar el registro sencillo del ítem
Segmentação de lesões de esclerose múltipla utilizando clusterização iterativa em imagens estruturais de ressonância magnética
dc.contributor.author | Bordin, Rafael Rodrigues | |
dc.date.accessioned | 2023-08-31T15:20:33Z | |
dc.date.available | 2023-08-31T15:20:33Z | |
dc.date.issued | 2023-08-29 | |
dc.identifier.citation | BORDIN, Rafael Rodrigues. Segmentação de lesões de esclerose múltipla utilizando clusterização iterativa em imagens estruturais de ressonância magnética. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/18475. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/18475 | |
dc.description.abstract | Multiple Sclerosis (MS) is a neurodegenerative disease that causes vision, mobility and memory problems, which can lead the patient to serious locomotion difficulties. It is caused by damage to the myelin sheath. Analysis of magnetic resonance (MR) images is essential for the diagnosis of MS. Depending on the imaging sequence, lesions appear hyperintense when compared to other tissues. Recent studies use computer vision, image processing and machine learning techniques with the aim of automatically segmenting these lesions and facilitating the diagnosis of MS. This work presents a technique based on the iterative execution of clustering algorithms on FLAIR-type 3D MR images to segment areas containing injured tissue. This work also compares the K-Means and Gaussian Finite Mixture Model clustering algorithms in this task using Dice coefficient between the generated lesion masks and those delineated by a human expert. | 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 | Segmentação de imagens | por |
dc.subject | K-Médias | por |
dc.subject | Modelo de mistura finita de Gaussianas | por |
dc.subject | Esclerose Múltipla | por |
dc.subject | Métodos de agrupamentos | por |
dc.subject | Aprendizado não supervisionado | por |
dc.title | Segmentação de lesões de esclerose múltipla utilizando clusterização iterativa em imagens estruturais de ressonância magnética | por |
dc.title.alternative | Segmentation of multiple sclerosis lesions using iterative clustering on structural 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 | A Esclerose Múltipla (EM) é uma doença neurodegenerativa que causa problemas de visão, mobilidade e memória podendo levar o paciente a sérias dificuldades de locomoção. É causada por lesões na bainha de mielina. A análise de imagens de ressonância magnética (RM) é essencial para o diagnóstico da EM. Dependendo da ponderação de tais imagens, as lesões aparecem hiperintensas quando comparadas a outros tecidos. Estudos recentes utilizam técnicas de visão computacional, processamento de imagens e aprendizado de máquina com o objetivo de segmentar automaticamente estas lesões e facilitar o diagnóstico da EM. O presente trabalho apresenta uma técnica baseada na execução iterativa de algoritmos de clustering em imagens 3D de RM do tipo FLAIR com o objetivo de segmentar áreas que contém o tecido lesionado. Este trabalho também compara os algoritmos de clustering K-Médias e Modelo de Mistura Finita de Gaussianas nesta tarefa utilizando coeficiente de Dice entre as máscaras de lesão geradas e as delineadas por um especialista humano. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/2714964043031028 | por |
dc.publisher.course | Engenharia de Computação - EC | por |
dc.contributor.advisor1orcid | https://orcid.org/0000-0003-1197-2553 | por |