@PHDTHESIS{ 2021:1140679758,
 	title = {Métodos para segmentação de medula espinhal e esôfago em tomografia computadorizada de planejamento à radioterapia},
 	year = {2021},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3313",
 	abstract = "A radioterapia (RT) é uma das opções mais utilizadas para o tratamento do câncer. Para
 o planejamento de tratamentos com RT, exames de tomografia computadorizada (TC)
 são comumente utilizados para delimitar os órgãos de risco (do inglês, organs at risk -
 OARs) e analisar o impacto da radiação nesses órgãos. Delimitar esses OARs requer muito
 tempo dos médicos especialistas e envolve uma grande equipe de profissionais. Além disso,
 essa tarefa executada fatia a fatia torna-se exaustiva e, consequentemente, sujeita a erros,
 especialmente em órgãos como a medula espinhal e o esôfago, que se estendem por várias
 fatias da TC e exigem uma segmentação precisa. Assim, são propostos, neste trabalho,
 métodos computacionais capazes de segmentar a medula espinhal e o esôfago em TC
 de planejamento. Para a segmentação da medula espinhal, são propostos dois métodos,
 sendo o primeiro compreendido por técnicas como template matching adaptativo para
 segmentação inicial, técnica de superpixel conhecida como intrinsic manifold simple linear
 iterative clustering (IMSLIC) para segmentação de candidatos à medula espinhal e redes
 neurais convolucionais (convolutional neural netowork - CNN) para classificação desses
 candidatos. O segundo método para segmentação da medula espinhal é composto por
 técnicas como template matching adaptativo para segmentação inicial de uma região de
 interesse e redes neurais convolucionais completamente conectadas (Fully Convolutional
 Network - FCN) para segmentaçãoo final da medula espinhal. Na segmentaçãoo do esôfago,
 é proposto um método composto por técnicas de registro do volume dos pacientes, atlas
 para definir o volume de interesse onde encontra-se o esôfago, pré-processamento para
 realçar as paredes do esôfago, FCN para segmentação do esôfago, e um pós-processamento
 para refinamento da segmentação. Os métodos foram aplicados em 36 imagens de TC
 de planejamento fornecidas pelo The Cancer Imaging Archive. O primeiro método para
 segmentação de medula espinhal obteve acurácia de 92,55%, especificidade de 92,87%,
 sensibilidade de 89,23% e 78,20% de Dice. O segundo método para segmentação de medula
 espinhal obteve acurácia de 99,24%, especificidade de 99,38%, sensibilidade de 91,52%
 e 81,69% de Dice. O método para segmentação de esôfago obteve acurácia de 99,69%,
 especificidade de 99,76%, sensibilidade de 90,61% e 82,15% de Dice. Assim, demonstra-se
 a viabilidade da análise de TC de planejamento utilizando técnicas de processamento de
 imagem e reconhecimento de padrões.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}