Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/2577
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | FERREIRA, Jonnison Lima | - |
dc.creator.Lattes | http://lattes.cnpq.br/3652863863244183 | por |
dc.contributor.advisor1 | SILVA, Aristófanes Corrêa | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/2446301582459104 | por |
dc.contributor.advisor-co1 | PAIVA, Anselmo Cardoso de | - |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/6446831084215512 | por |
dc.contributor.referee1 | SILVA, Aristófanes Corrêa | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/2446301582459104 | por |
dc.contributor.referee2 | PAIVA, Anselmo Cardoso de | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/6446831084215512 | por |
dc.contributor.referee3 | CAVALCANTE, André Borges | - |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/3885279033465023 | por |
dc.contributor.referee4 | BRAZ JÚNIOR, Geraldo | - |
dc.contributor.referee4Lattes | http://lattes.cnpq.br/8287861610873629 | por |
dc.contributor.referee5 | CARVALHO FILHO, Antonio Oseas de | - |
dc.contributor.referee5Lattes | http://lattes.cnpq.br/7913655222849728 | por |
dc.date.accessioned | 2019-03-29T17:08:56Z | - |
dc.date.issued | 2019-02-15 | - |
dc.identifier.citation | FERREIRA, Jonnison Lima. Segmentação automática da próstata em imagens de ressonância magnética utilizando redes neurais convolucionais, mapa probabilístico e treinamento adversário. 2019. 67 f. Dissertação (Programa de Pós-Graduação em Ciência da Computação / CCET) - Universidade Federal do Maranhão, São Luís. | por |
dc.identifier.uri | https://tedebc.ufma.br/jspui/handle/tede/tede/2577 | - |
dc.description.resumo | O câncer de próstata é o segundo tipo de câncer mais comum entre os homens, sendo também o segundo mais mortal. A detecção precoce do câncer é uma estratégia para encontrar o tumor em fase inicial e, assim, possibilitar melhor chance de tratamento. Atualmente tem crescido a adoção de exames de imagem da próstata para a prevenção, diagnóstico e tratamento. A segmentação manual da próstata é extremamente demorada e propensa à variabilidade entre diferentes especialistas. Devido a esse árduo trabalho, alternativas como sistemas computacionais que utilizam técnicas de processamento de imagens e reconhecimento de padrões têm sido amplamente desenvolvidos e explorados para o diagnóstico precoce desta doença, provendo uma segunda opinião para o especialista e tornando esse processo mais rápido. Neste trabalho, propomos dois métodos totalmente automáticos para a segmentação da próstata a partir de imagens de ressonância magnética usando uma técnica de aprendizado profundo, mapa probabilístico e treinamento adversário de redes neurais. A metodologia proposta foi testada em duas bases de imagens públicas, a Prostate 3T e a Promise 12, resultando em um Dice médio de 89%. | por |
dc.description.abstract | Prostate cancer is the second most common cancer among men, being the second most deadly. Early detection is a strategy to find the tumor at an early stage and thus provide a better chance of treatment. Currently the prostate gland imaging test has grown for prevention, diagnosis and treatment. The manual segmentation of the prostate is delayed and the propensity to variability among those expected, due to work, alternatives such as computational systems that use image processing and the identification of more advanced and exploited patterns for the early diagnosis of this disease, providing a second opinion for the specialist and increase the process. In this work, several automatic tasks are provided for the segmentation of the prostate from magnetic resonance imaging using a deep learning technique, probabilistic mapping and adversarial training of neural networks. The proposed methodology was tested on two public imaging databases, the Prostate 3T prostate and the PROMISE12, resulting in an average Dice of 89%. | por |
dc.description.provenance | Submitted by Sheila MONTEIRO (sheila.monteiro@ufma.br) on 2019-03-29T17:08:56Z No. of bitstreams: 1 Jonnison-Ferreira.pdf: 5971592 bytes, checksum: 7a66b8c762cd306ac54512f96aa52a60 (MD5) | eng |
dc.description.provenance | Made available in DSpace on 2019-03-29T17:08:56Z (GMT). No. of bitstreams: 1 Jonnison-Ferreira.pdf: 5971592 bytes, checksum: 7a66b8c762cd306ac54512f96aa52a60 (MD5) Previous issue date: 2019-02-15 | eng |
dc.format | application/pdf | * |
dc.language | por | por |
dc.publisher | Universidade Federal do Maranhão | por |
dc.publisher.department | DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFMA | por |
dc.publisher.program | PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET | por |
dc.rights | Acesso Aberto | por |
dc.subject | Imagens médicas | por |
dc.subject | Aprendizagem profunda | por |
dc.subject | Rede neural convolucional | por |
dc.subject | Treinamento adversário | por |
dc.subject | Medical images | eng |
dc.subject | Deep learning | eng |
dc.subject | Convolutional neural network | eng |
dc.subject | Adversarial training | eng |
dc.subject.cnpq | Teoria da Computação | por |
dc.subject.cnpq | Análise de Algoritmos e Complexidade de Computação | por |
dc.subject.cnpq | Cancerologia | por |
dc.title | Segmentação automática da próstata em imagens de ressonância magnética utilizando redes neurais convolucionais, mapa probabilístico e treinamento adversário | por |
dc.title.alternative | Automatic prostate segmentation in magnetic resonance imaging using convolutional neural networks, probabilistic map, and opposing training | eng |
dc.type | Dissertação | por |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Jonnison-Ferreira.pdf | Dissertação de Mestrado | 5,83 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.