Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/15916
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSkeika, Everton Leonardo-
dc.date.accessioned2020-11-19T18:22:53Z-
dc.date.available2020-11-19T18:22:53Z-
dc.date.issued2017-05-30-
dc.identifier.citationSKEIKA, Everton Leonardo. Segmentação da glândula prostática em imagens de ressonância magnética utilizando conhecimento a priori da forma e método Level Set. 2017. 68 f. Trabalho de Conclusão de Curso (Graduação) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2017.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/15916-
dc.description.abstractMagnetic resonance imaging (MRI) is an important tool for medical diagnosis, since it is a non-invasive method and produces detailed images of physiological structures analyzed. Considering the importance of MRI for the diagnosis of several pathologies related to the prostate, it is possible to use image processing and analysis techniques in order to provide improvements in the quality of the MRI, as well as to assist in the identification and separation of the prostate gland. In this sense the objective of this work is the application of the Level Set, Free Level Set and Restrict Level Set segmentation methods in a Magnetic Resonance Imaging (MRI) repository of the male pelvic region, proposing the segmentation of the prostate gland. In order to meet the objective, a research was done in the area of image segmentation, studying the main techniques of segmentation. A repository of MRIs from the pelvis of several patients was acquired, followed by manual selection of the MRIs suitable for segmentation, validating the segmentation results using the measured Haussdorff and F-Measure distance metrics from the ground truth images. The results of the metrics confirmed the Restrict Level Set method as the most efficient, due to the better segmentation of the prostate gland in MRIs.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.subjectProcessamento de imagenspt_BR
dc.subjectRessonância magnéticapt_BR
dc.subjectPróstata - Doençaspt_BR
dc.subjectImage processingpt_BR
dc.subjectMagnetic resonancept_BR
dc.subjectProstate diseasespt_BR
dc.titleSegmentação da glândula prostática em imagens de ressonância magnética utilizando conhecimento a priori da forma e método Level Setpt_BR
dc.title.alternativeSegmentation of the prostate gland in magnetic resonance imaging using knowledge a priori of the form and method Level Setpt_BR
dc.typebachelorThesispt_BR
dc.description.resumoA Ressonância Magnética (RM) é uma importante ferramenta para o diagnóstico médico, por ser um método não invasivo e produzir imagens detalhadas de estruturas fisiológicas analisadas. Considerando a importância da RM para o diagnóstico de diversas patologias relacionadas à próstata, é possível utilizar-se de técnicas de processamento e análise de imagem a fim de prover melhorias na qualidade da mesma, bem como, auxiliar na identificação e separação da glândula prostática. Neste sentido o objetivo deste trabalho é a aplicação dos métodos de segmentação Level Set, Free Level Set e Restrict Level Set em um repositório de MRI (Magnetic Resonance Imaging) da região pélvica masculina, propondo a segmentação da glândula prostática. Para atender o objetivo foi feito uma pesquisa na área de segmentação de imagens, estudando as principais técnicas de segmentação por modelos deformáveis. Foi adquirido um repositório de MRI da pélvis de diversos pacientes, seguida da seleção manual das MRIs aptas para a segmentação, validando os resultados da segmentação através das métricas: distância de Haussdorff Modificada e F-Measure, comparadas com as imagens de ground truth. Os resultados das métricas confirmaram o método Restrict Level Set como o mais eficiente, devido a melhor segmentação da glândula prostática em MRIs.pt_BR
dc.degree.localPonta Grossapt_BR
dc.publisher.localPonta Grossapt_BR
dc.contributor.advisor1Andrade, Mauren Louise Sguario Coelho de-
dc.contributor.referee1Andrade, Mauren Louise Sguario Coelho de-
dc.contributor.referee2Morais, Erikson Freitas de-
dc.contributor.referee3Sanches, Ionildo José-
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentDepartamento Acadêmico de Informáticapt_BR
dc.publisher.programCiência da Computaçãopt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
Aparece nas coleções:PG - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
PG_COCIC_2017_1_06.pdf2,98 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.