@MASTERSTHESIS{ 2024:1783204069,
 	title = {Segmentação e classificação automática de calcificação da artéria coronária em imagem de tomografia computadorizada utilizando aprendizado profundo},
 	year = {2024},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/6271",
 	abstract = "Um dos indicadores de possíveis ocorrências de doenças cardiovasculares é a quantidade
 de cálcio nas artérias coronárias. Recentemente, abordagens utilizando novas tecnologias,
 como o aprendizado profundo, auxiliaram na identificação desses indicadores. Este trabalho
 propõe um método de segmentação e classificação de calcificação das artérias coronárias.
 A tarefa de segmentação possui 4 etapas que são extração da região de interesse utilizando
 U-Net com batch normalization após camadas de convolução, segmentação das calcificações,
 remoção de falsos positivos utilizando U-Net com EfficientNetB0, e a etapa de classificação
 que foi realizada com base na região onde foi segmentada a calcificação. O método utiliza
 a técnica de histogram matching como pré-processamento, a fim de aumentar o contraste
 entre tecido e calcificação e normalizar os diferentes tipos de exames. Foram realizados
 testes entre diversas arquiteturas onde a melhor abordagem na tarefa de segmentação
 alcançou uma pontuação F1-Score de 96,9%, precisão de 98,5% e sensibilidade de 97,2%
 na base de imagens de calcificação OrCaScore. Já na tarefa de classificação, o método
 alcançou uma métrica de coeficiente de correlação intraclasse de 99,0% para todas as
 classes, e de 95,9%, 95,8% e 97,3% para as classes LAD, LCX e RCA, respectivamente,
 além de uma Kappa ponderado de 1.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}