PPGTIGSAU - Dissertações
URI Permanente para esta coleção
Navegar
Navegando PPGTIGSAU - Dissertações por Autor "Botelho, Viviane Rodrigues"
Agora exibindo 1 - 3 de 3
Resultados por página
Opções de Ordenação
Item Análise do método indireto para a avaliação da qualidade dos equipamentos radiográficos a partir dos espectros de raios X para aplicações em radiodiagnóstico(2023-08-29) Silva, Gustavo Bernardes da; Pianoschi, Thatiane Alves; Botelho, Viviane Rodrigues; Programa de Pós-Graduação em Tecnologias da Informação e Gestão em SaúdeEste estudo analisou o método indireto de estimação de espectros de raios X, utilizando o modelo proposto por Archer & Wagner (1988), e sua aplicação na avaliação da qualidade dos feixes de raios X em exames radiográficos. Foram coletados dados experimentais e simulados, obtendo curvas de transmissão experimental e espectros em diferentes energias de raios X. Foram aplicados modelos matemáticos e técnicas de interpolação para estimar os coeficientes de atenuação necessários. Os parâmetros de qualidade do feixe, como 1ª Camada Semiredutora (CSR), 2ª CSR e coeficiente de homogeneidade (CH), foram calculados e comparados com os padrões de qualidade estabelecidos. A interpolação de Spline Cúbica apresentou a menor margem de erro na reconstrução dos espectros, superando outros modelos existentes. A análise dos parâmetros de qualidade indicou que a utilização do parâmetro CH pode resultar em uma melhor concordância com os espectros simulados. O método de busca exaustiva revelou incertezas na estimação dos parâmetros do modelo, destacando a necessidade de explorar a relação entre esses parâmetros e os espectros reconstruídos. A filtragem proposta por Archer & Wagner reduziu significativamente os erros nos espectros reconstruídos, especialmente em energias abaixo de 95 kV. Em suma, este estudo proporcionou uma compreensão abrangente do método indireto, suas limitações e possíveis soluções. Sugere-se a incorporação do parâmetro CH em futuras otimizações do modelo. Essas descobertas podem contribuir para o desenvolvimento de uma ferramenta computacional que estime espectros de raios X e parâmetros de qualidade, auxiliando na prática clínica em radiodiagnóstico.Item Avaliação de redes neurais convolucionais para a delimitação de metástases cerebrais em imagens de ressonância magnética(2024-07-31) Takara, Bruno Yukio; Sánchez, Mirko Salomón Alva; Botelho, Viviane Rodrigues; Programa de Pós-Graduação em Tecnologias da Informação e Gestão em SaúdeAs metástases cerebrais múltiplas acometem cerca de 20% dos pacientes com algum tipo de tumor e seu tratamento pode ser realizado, entre outras formas, através da radiocirurgia estereotáxica. O delineamento realizado por um software das metástases cerebrais para o planejamento do tratamento pode ter grande valor na prática radioterapêutica, visto que essa tarefa costuma demandar bastante tempo e ser de difícil identificação quando as metástases se apresentam em formatos pequenos. Assim, é proposta a aplicação de redes neurais artificiais em imagens de ressonância magnética (RM) para o delineamento automático de regiões tumorais com metástases e órgãos de risco, para o preparo de um planejamento radioterápico mais acurado e com menor risco de sobredosagem ao paciente. Para isso, três modelos de Deep Learning que realizam a tarefa de segmentação de metástases cerebrais encontrados na literatura foram utilizados em três bancos de dados de metástases cerebrais disponíveis publicamente, os resultados obtidos por esses modelos foram comparados para determinar adequação na prática clínica. Além disso, as publicações envolvendo esses modelos foram avaliadas através dos checklists CLAIM e CLAMP. Adicionalmente foi proposto e avaliado um modelo de segmentação de metástases cerebrais utilizando uma rede U-Net 2D com diferentes combinações de hiperparâmetros e funções de perda. As métricas de performance incluirão o coeficiente Dice por slice (swDSC), coeficiente Dice volumétrico (3D-DSC) e distância de Hausdorff (HD). Os modelos Met-Seg, AURORA e Raidionics apresentaram valores médios de 3D-DSC iguais a 0, 44 ± 0, 23, 0, 55 ± 0, 29 e 0, 53 ± 0, 29, e valores médios de HD iguais a 101 ± 42 mm, 116 ± 81 mm e 119 ± 82 mm, respectivamente. Para o desenvolvimento do modelo, os hiperparâmetros η = 9 e ψ = 2 com peso de balanceamento de classes igual a 0,2 da função de perda BCE somada à Tversky e Boundary foram o que resultaram na melhor performance, com um valor de swDSC de 0,48 para o conjunto de teste. Por fim, para a aplicação na prática clínica, ainda é necessário o desenvolvimento de modelos com melhores performances na segmentação de metástases cerebrais, principalmente para volumes tumorais pequenos e em maior quantidade. Com o passar do tempo, espera-se que mais bancos de dados com imagens de metástases cerebrais se tornem disponíveis para treinamento, o que deve melhorar a performance dos modelos desenvolvidos. Além disso, uso da função de perda BCE somada às funções de Tversky e Boundary pode diminuir a quantidade de falsos positivosItem Método computacional para o controle de qualidade de mamógrafos a partir de imagens obtidas com objetos simuladores de mama(2023-06-28) Cecchetto, Bernardo; Botelho, Viviane Rodrigues; Becker, Carla Diniz Lopes; Pianoschi, Thatiane AlvesOs exames de mamografia são considerados como padrão-ouro para detecção de câncer de mama, de acordo com a Organização Mundial da Saúde (OMS). Como o exame tem o objetivo de detectar pequenos achados mamográficos, é necessário que os mamógrafos possuam alta sensibilidade e gerem imagens com elevada resolução espacial. Por isso, tais equipamentos são regularmente submetidos a testes de controle de qualidade utilizando objetos simuladores, conforme exigências estabelecidas pela Agência Nacional de Vigilância Sanitária (ANVISA), detalhadas na Resolução da Diretoria Colegiada (RDC) da Instrução Normativa De 27 De Maio De 2021 (IN 92), ou pelo manual da International Atomic Energy Agency (IAEA). Nestes testes, artefatos que representam a estrutura de uma mama são imageados em um mamógrafo e, neles, existem estruturas que simulam achados mamográficos, tais como microcalcificações, massas tumorais ou nódulos. Uma quantidade mínima dessas estruturas deve ser visualizada na imagem para garantir a qualidade operacional do equipamento. Atualmente, esta análise é feita de forma visual, o que torna o teste de qualidade subjetivo e operador-dependente. Dessa forma, o presente estudo desenvolveu um modelo baseado em algoritmos de deep learning e processamento de imagens a fim de automatizar o controle de qualidade de imagem em equipamentos de mamografia. O modelo desenvolvido atingiu uma acurácia de 96,38%, 96,52% e 94,78% para a classificação de visibilidade das fibras, massas e microcalcificações, respectivamente.