Um modelo baseado em redes neurais convolucionais para predição de malignidade de nódulos pulmonares a partir de imagens pré-processadas em MIP

Página do item simplificado
dc.contributor.advisorBecker, Carla Diniz Lopes
dc.contributor.advisor-coAlva, Thatiane Alves Pianoschi
dc.contributor.authorWunderlich, Ricardo
dc.date.accessioned2022-06-10T13:59:06Z
dc.date.available2022-06-10T13:59:06Z
dc.date.date-insert2022-06-10
dc.date.issued2021
dc.descriptionDissertação (Mestrado)-Programa de Pós-Graduação em Tecnologias da Informação e Gestão em Saúde, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre.pt_BR
dc.description.abstractA Inteligência Artificial, mais precisamente o Deep Learning e as redes neurais convolucionais, estão sendo utilizadas para a detecção de nódulos pulmonares e outras doenças em exames de Raios X e principalmente Tomografia computadorizada. O presente trabalho teve como objetivo propor uma metodologia para predição de malignidade em nódulos pulmonares pré-processados em imagens em MIP, utilizando redes neurais convolucionais, em exames de tomografia computadorizada. As imagens oriundas do dataset LIDC-IDRI foram pré processadas em padrão MIP (máxima intensidade de projeção), manualmente em estação de trabalho, GE ADW 4.1utilizando a ferramenta de reformatação multiplanar. Tanto as imagens dos nódulos, no plano axial, como as imagens reformatadas em MIP foram utilizadas para treinamento e testes na rede neural convolucional ResNet-50, o treinamento foi supervisionado, foi utilizado o método de validação cruzada. O uso de imagens no padrão MIP, fornece informações suficientes para o treinamento de redes neurais, mas perde desempenho em relação as axiais, detectando características de borda. O valor de AUC médio para os 5 folds foi de 0,79 no MIP e de 0,74 no uso do MIP+axial e de 0,95 no axial.pt_BR
dc.description.abstract-enArtificial Intelligence, more precisely Deep Learning and convolutional neural networks, are being used for the detection of pulmonary nodules and other diseases in X-Ray exams and mainly Computed Tomography. This study aimed to propose a methodology for predicting malignancy in pre-processed pulmonary nodules in MIP images, using convolutional neural networks in computed tomography scans. The images from the LIDC-IDRI dataset were pre-processed in MIP pattern ( maximum projection intensity), manually in a GE ADW 4.1 workstation using the multiplanar reformatting tool. Both the images of the nodules, in the axial plane, and the images reformatted in MIP were used for training and tests in the ResNet-convolutional neural network. 50, the training was supervised, the cross-validation method was used. The use of images in the MIP pattern provides enough information for the training of neural networks, but it loses performance in relation to the axial ones, detecting edge characteristics. The AUC value average for the 5 folds was 0,79 in the MIP and 0,74 in the use of the MIP+axial and 0,95 in the axial.pt_BR
dc.identifier.urihttps://repositorio.ufcspa.edu.br/handle/123456789/1872
dc.language.isopt_BRpt_BR
dc.publisherWagner Wessfllpt_BR
dc.relation.requiresTEXTO - Adobe Readerpt_BR
dc.rightsAcesso Aberto Imediatopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.subjectNódulos Pulmonarespt_BR
dc.subjectRaios Xpt_BR
dc.subjectTomografia Computadorizada por Raios Xpt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectAprendizado Profundopt_BR
dc.subject[en] X-Raysen
dc.subject[en] Tomography, X-Ray Computeden
dc.subject[en] Artificial Intelligenceen
dc.subject[en] Deep Learningen
dc.titleUm modelo baseado em redes neurais convolucionais para predição de malignidade de nódulos pulmonares a partir de imagens pré-processadas em MIPpt_BR
dc.typeDissertaçãopt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
[DISSERTAÇÃO] Wunderlich, Ricardo Castilho (C).pdf
Tamanho:
1.18 MB
Formato:
Adobe Portable Document Format
Descrição:
Texto completo
Baixar
Coleções
PPGTIGSAU - Dissertações