@PHDTHESIS{ 2022:328872135,
 	title = {Segmentação automática do fígado e lesões hepáticas em imagens de tomografia computadorizada usando redes neurais convolucionais},
 	year = {2022},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3576",
 	abstract = "O câncer de fígado é uma das principais causas de morte por câncer. É conhecido
 que a detecção precoce das lesões no fígado possibilita melhor chance de tratamento
 e cura da doença. Para essa detecção são comumente utilizados exames de tomografia
 computadorizada (TC), a partir dos quais médicos especialistas realizam a segmentação
 manual do fígado e lesões. No entanto, essa segmentação é demorada e propensa a erros e
 variações entre especialistas. Devido a esse trabalho árduo, sistemas de detecção assistida
 por computador têm sido desenvolvidos para auxiliar os especialistas na segmentação
 do fígado e, na detecção e caracterização das lesões no fígado e assim, reduzir o tempo
 necessário para o diagnóstico. Porém, a segmentação automática do fígado é uma tarefa
 complexa, pois o fígado apresenta variabilidade de formato, bordas mal definidas e as
 lesões podem afetar sua aparência. Já a segmentação automática das lesões se torna
 mais complexa pois essas apresentam variabilidade de contraste, formato, tamanho e
 localização. Assim, neste trabalho são propostos um método para a segmentação do fígado
 e um método para segmentação das lesões no fígado. O método para segmentação do
 fígado, que é baseado em modelos de redes neurais convolucionais profundas, consiste em
 quatro etapas principais: (1) pré-processamento de imagens , (2) segmentação inicial, (3)
 reconstrução e (4) segmentação final. O método para segmentação das lesões, que também
 é baseado em modelos de redes neurais convolucionais profundas, consiste em três etapas
 principais: (1) segmentação inicial, (2) segmentação final e (3) refinamento da segmentação.
 Os métodos foram avaliados em um conjunto de 131 imagens de TC da base LiTS. O
 método para segmentação do fígado obteve uma sensibilidade de 96,22%, especificidade
 de 99,89%, coeficiente de Dice de 96,38%, VOE de 6,94% e RVD de -0,35%. O método
 para segmentação das lesões, quando o fígado é marcado pelo especialista, obteve uma
 sensibilidade de 84,52%, especificidade de 99,96%, coeficiente de Dice de 83,84%, VOE de
 27,19% e RVD de -0,72%. Ao usar o fígado marcado pelo método proposto, o método para
 segmentação das lesões obteve uma sensibilidade de 82,20%, especificidade de 99,95%,
 coeficiente de Dice de 80,60%, VOE de 30,75% e RVD de -0,25%. A partir desses resultados,
 é demonstrado que o problema de segmentação do fígado e de lesões no fígado em imagens
 de TC pode ser resolvido eficientemente usando redes neurais convolucionais profundas
 para redução do escopo do problema e segmentação do fígado e das lesões.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}