???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/2627
Tipo do documento: Tese
Título: Metodologia computacional para a segmentação da próstata e classificação de lesões em imagens de ressonância magnética utilizando o modelo de Ising
Título(s) alternativo(s): Computational methodology for segmentation of the prostate and classification of lesions on magnetic resonance imaging using the Ising model
Autor: REIS, Artur Bernardo Silva 
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: CONCI, Aura
Quarto membro da banca: PACIORNIK, Sidnei
Quinto membro da banca: CARVALHO FILHO, Antonio Oseas de
Resumo: O câncer de próstata e o segundo tipo de câncer mais predominante na população masculina em todo o mundo. Atualmente tem crescido a adoção de exames de imageamento da próstata para a prevenção, diagnóstico e tratamento. É sabido que a detecção precoce aumenta as chances de um tratamento efetivo, melhorando o prognóstico da doença. Com este objetivo, ferramentas computacionais têm sido propostas com a finalidade de auxiliar o especialista na interpretação de exames de imagens, em especial as imagens de ressonância magnética (RM), provendo a detecção de lesões. A pesquisa deste trabalho de doutorado tem como objetivo principal a proposição de uma metodologia automática para a detecção de lesões na próstata. A metodologia proposta se divide em duas etapas. Na primeira etapa é realizada a segmentação da próstata, para este fim são utilizados o modelo de Ising, modelos de probabilidade, quality threshold e fusão de rótulos de atlas. A segunda etapa consiste da classificação de lesões na próstata. Para isso são extraídos candidatos a lesões através do algoritmo de Wolff, em seguida são extraídas características de textura usando o modelo de Ising e finalmente é utilizada a máquina de vetores suporte para a classificação em lesão ou tecido saudável. A metodologia foi validada utilizando três bases de imagens de RM com ponderação em T2. As três bases são utilizadas para o propósito da segmentação da próstata, entretanto apenas uma _e utilizada na segmentação da próstata e detecção de lesões. O total de imagens utilizadas na validação da segmentação da próstata foi de 108. Os resultados experimentais aqui obtidos indicam uma boa perspectiva, tendo em vista que foi obtido um coeficiente de similaridade de Dice (DSC) médio de 94.03% na etapa de . Já a etapa de detecção de lesões foi validada num conjunto de 28 imagens com as marcações de lesões e foi obtida uma sensibilidade de 95,92%, especificidade de 93,89% e acurácia de 94,16%. Estes são promissores uma vez que foram maiores que outros métodos comparados.
Abstract: Prostate cancer is the second most prevalent type of cancer in the male population worldwide. The adoption of prostate imaging tests for the prevention, diagnosis, and treatment has grown. It is known that early detection increases the chances of an effective treatment, improving the prognosis of the disease. With this aim, computational tools have been proposed with the purpose of assisting the specialist in the interpretation of imaging tests, especially magnetic resonance imaging (MRI), providing the detection of lesions. The research of this doctoral work has as primary objective the proposition of an automatic methodology for the detection of lesions in the prostate. We divide the proposed methodology into two stages. In the first stage prostate segmentation is performed, for this purpose, the Ising model is used, models of probability, quality threshold and fusion of atlas labels. The second stage consists of the classification of abnormal tissues in the prostate. To this end, we extract lesion candidates through the Wolff algorithm, then texture characteristics are extracted using the Ising model, and finally, the vector machine is used to classify lesion or healthy tissue. The methodology was validated using three bases of T2-weighted MRI images. We used three bases for prostate segmentation. However, we used only one in prostate segmentation and lesion detection. The total number of images used in the validation of prostate segmentation was 108. The experimental results obtained here indicate an excellent perspective, considering that we obtained a mean Dice similarity coefficient (DSC) of 94.03 % in the step of. We validated The lesion detection stage on a set of 28 images with lesion markers. The methodology obtained a sensitivity of 95:92%, specificity of 93:89% and accuracy of 94:16%. These are promising since they were more significant than other methods compared.
Palavras-chave: Câncer de próstata
Detecção de lesões da próstata
Ressonância magnética
Modelo de Ising
Algoritmo de Wolff.
Máquinas de vetores suporte
Prostate cancer
Abnormal tissue detection in prostate
Magnetic resonance imaging
Ising model
Wolff 's algorithm
Suport vector machine
Área(s) do CNPq: Análise de Algoritmos e Complexidade de Computação
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 ENGENHARIA DE ELETRICIDADE/CCET
Citação: REIS, Artur Bernardo Silva. Metodologia computacional para a segmentação da próstata e classificação de lesões em imagens de ressonância magnética utilizando o modelo de Ising. 2019. 125 f. Tese (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís.
Tipo de acesso: Acesso Aberto
URI: https://tedebc.ufma.br/jspui/handle/tede/tede/2627
Data de defesa: 11-Mar-2019
Appears in Collections:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Files in This Item:
File Description SizeFormat 
ArturSilvaReis.pdfTese de Doutorado5,07 MBAdobe PDFDownload/Open Preview


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