Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/32487
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Freitas, Diego Vitoriano | - |
dc.creator | Silva, Isabelle Nayara Rompato da | - |
dc.creator | Sá, Marcelo Guevara de | - |
dc.date.accessioned | 2023-09-22T21:25:54Z | - |
dc.date.available | 2023-09-22T21:25:54Z | - |
dc.date.issued | 2022-06-10 | - |
dc.identifier.citation | FREITAS, Diego Vitoriano; SILVA, Isabelle Nayara Rompato da; SÁ, Marcelo Guevara. Segmentação semântica do hipocampo em imagens de ressonância magnética estrutural utilizando rede neural convolucional. 2022. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Controle e Automação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2022. | pt_BR |
dc.identifier.uri | http://repositorio.utfpr.edu.br/jspui/handle/1/32487 | - |
dc.description.abstract | The main purpose of this paper is to develop an artificial intelligence algorithm capable of segmenting the hippocampus in medical brain images. The hippocampus is a brain structure connected to the memories obtention, therefore its characteristics are connected to the presence or not of Alzheimer’s Disease. The region of interest can be identified on Magnetic Resonance Imaging by specialized medical professionals. Using an open database with 263 files with masks was possible to separate 6627 images that had the hippocampus, of which 90% were used to teach a convolutional neural network to identify and segment the hippocampus in each of the images. The outcome of this CNN was satisfactory with an accuracy higher than 99%, showing that the use of this segmentation for medical applications to aid in the diagnosis of AD is very promising. The main difficulty encountered during this project was obtaining and organizing the database to be used, different types of images were considered and even the most appropriate required intervention for processes such as zero-padding and binarization. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Tecnológica Federal do Paraná | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/4.0/ | pt_BR |
dc.subject | Alzheimer, Doença de | pt_BR |
dc.subject | Inteligência artificial - Aplicações médicas | pt_BR |
dc.subject | Redes neurais (Computação) | pt_BR |
dc.subject | Algorítmos - Desenvolvimento | pt_BR |
dc.subject | Ressonância magnética | pt_BR |
dc.subject | Processamento de imagens | pt_BR |
dc.subject | Alzheimer's disease | pt_BR |
dc.subject | Artificial intelligence - Medical applications | pt_BR |
dc.subject | Neural networks (Computer science) | pt_BR |
dc.subject | Algorithms - Development | pt_BR |
dc.subject | Magnetic resonance | pt_BR |
dc.subject | Image processing | pt_BR |
dc.title | Segmentação semântica do hipocampo em imagens de ressonância magnética estrutural utilizando rede neural convolucional | pt_BR |
dc.title.alternative | Semantic segmentation of the hippocampus in structural magnetic resonance imaging using convolutional neural network | pt_BR |
dc.type | bachelorThesis | pt_BR |
dc.description.resumo | Esse trabalho possui o objetivo de desenvolver um algoritmo de inteligência artificial capaz de segmentar o hipocampo em imagens médicas do cérebro. O hipocampo é uma estrutura do cérebro ligado à obtenção de memórias, por isso as suas características estão ligadas à presença ou não da Doença de Alzheimer. A região de interesse pode ser identificada em imagens de ressonância magnética por profissionais especializados da área médica. Utilizando um banco de dados aberto com 263 arquivos com máscaras foi possível separar 6627 imagens que possuíam o hipocampo, desse total foram usadas 90% para ensinar uma rede neural convolucional a identificar e segmentar o hipocampo em cada uma das imagens. O resultado dessa CNN foi satisfatório com uma acurácia superior a 99%, mostrando ser muito promissor a utilização dessa segmentação para aplicações médicas no auxílio ao diagnóstico da DA. A principal dificuldade encontrada durante esse projeto foi a obtenção e organização da base de dados a ser usada: foram considerados diferentes tipos de imagens e mesmo a mais apropriada necessitou intervenção para processos como adição do zero-padding e binarização. | pt_BR |
dc.degree.local | Curitiba | pt_BR |
dc.publisher.local | Curitiba | pt_BR |
dc.contributor.advisor1 | Furucho, Mariana Antonia Aguiar | - |
dc.contributor.referee1 | Furucho, Mariana Antonia Aguiar | - |
dc.contributor.referee2 | Rosa, Marcelo de Oliveira | - |
dc.contributor.referee3 | Furucho, Rogerio Akira | - |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.program | Engenharia de Controle e Automação | pt_BR |
dc.publisher.initials | UTFPR | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA | pt_BR |
Aparece nas coleções: | CT - Engenharia de Controle e Automação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
segmentacaohipocamporedeconvolucional.pdf | 2,64 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons