???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tedebc.ufma.br/jspui/handle/tede/tede/2577
Tipo do documento: Dissertação
Título: Segmentação automática da próstata em imagens de ressonância magnética utilizando redes neurais convolucionais, mapa probabilístico e treinamento adversário
Título(s) alternativo(s): Automatic prostate segmentation in magnetic resonance imaging using convolutional neural networks, probabilistic map, and opposing training
Autor: FERREIRA, Jonnison Lima 
Primeiro orientador: SILVA, Aristófanes Corrêa
Primeiro coorientador: PAIVA, Anselmo Cardoso de
Primeiro membro da banca: SILVA, Aristófanes Corrêa
Segundo membro da banca: PAIVA, Anselmo Cardoso de
Terceiro membro da banca: CAVALCANTE, André Borges
Quarto membro da banca: BRAZ JÚNIOR, Geraldo
Quinto membro da banca: CARVALHO FILHO, Antonio Oseas de
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%.
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%.
Palavras-chave: Imagens médicas
Aprendizagem profunda
Rede neural convolucional
Treinamento adversário
Medical images
Deep learning
Convolutional neural network
Adversarial training
Área(s) do CNPq: Teoria da Computação
Análise de Algoritmos e Complexidade de Computação
Cancerologia
Idioma: por
País: Brasil
Instituição: Universidade Federal do Maranhão
Sigla da instituição: UFMA
Departamento: DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET
Programa: PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET
Citação: 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.
Tipo de acesso: Acesso Aberto
URI: https://tedebc.ufma.br/jspui/handle/tede/tede/2577
Data de defesa: 15-Feb-2019
Appears in Collections:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO

Files in This Item:
File Description SizeFormat 
Jonnison-Ferreira.pdfDissertação de Mestrado5,83 MBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.