???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/3576
Full metadata record
DC FieldValueLanguage
dc.creatorARAÚJO, José Denes Lima-
dc.creator.Latteshttp://lattes.cnpq.br/9008153360105788por
dc.contributor.advisor1SILVA, Aristófanes Corrêa-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2446301582459104por
dc.contributor.advisor-co1PAIVA, Anselmo Cardoso de-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/6446831084215512por
dc.contributor.referee1SILVA, Aristófanes Corrêa-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2446301582459104por
dc.contributor.referee2PAIVA, Anselmo Cardoso de-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/6446831084215512por
dc.contributor.referee3CARVALHO SILVA, Antônio Oseas de-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/7913655222849728por
dc.contributor.referee4CONCI, Aura-
dc.contributor.referee4Latteshttp://lattes.cnpq.br/5601388085745497por
dc.contributor.referee5ALMEIDA, João Dallyson Sousa de-
dc.contributor.referee5Latteshttp://lattes.cnpq.br/6047330108382641por
dc.date.accessioned2022-05-13T15:59:17Z-
dc.date.issued2022-04-11-
dc.identifier.citationARAÚJO, José Denes Lima. Segmentação automática do fígado e lesões hepáticas em imagens de tomografia computadorizada usando redes neurais convolucionais. 2022. 121 f. Tese (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís.por
dc.identifier.urihttps://tedebc.ufma.br/jspui/handle/tede/tede/3576-
dc.description.resumoO 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.por
dc.description.abstractLiver cancer is one of the major causes of death by cancer. It is known that the early detection of lesions in the liver provides a better chance of treatment and cure of the disease. For this detection, computed tomography (CT) exams are commonly used, from which specialist doctors perform manual segmentation of the liver and lesions. However, this segmentation is time-consuming and prone to errors and variations between specialists. Due to this hard work, Computer-aided detection systems have been developed to assist specialists in the segmentation of the liver and in detecting and characterizing of liver lesions and thus reduce the required time for diagnosis. However, automatic segmentation of the liver is a complex task, as the liver has variability in shape, ill-defined borders and lesions can affect its appearance. The automatic segmentation of the lesions becomes more complex because they present variability in contrast, shape, size and location. This work proposes a method for liver segmentation and a method for liver lesions segmentation. The liver segmentation method, which is based on deep convolutional neural network models, consists of four main steps: (1) image pre-processing, (2) initial segmentation, (3) reconstruction and (4) final segmentation. The method for liver lesions segmentation, which is also based on models of deep convolutional neural networks, consists of three main steps: (1) initial segmentation, (2) final segmentation and (3) segmentation refinement. The methods were evaluated in a set of 131 CT images from the LiTS database. The liver segmentation method obtained a sensitivity of 95.45%, specificity of 99.86%, Dice coefficient of 95.64%, VOE of 8.28% and RVD of -0.41%. The method for liver lesions segmentation, when the liver is marked by the specialist, obtained a sensitivity of 84.52%, specificity of 99.96%, Dice coefficient of 83.84%, VOE of 27.19% and RVD of -0.72%. When using the liver marked by the proposed method, the method for liver lesions segmentation obtained a sensitivity of 82.20%, specificity of 99.95%, Dice coefficient of 80.60%, VOE of 30.75% and RVD of -0.25%. From these results, it is demonstrated that the problem of liver and lesions segmentation in CT images can be efficiently solved using deep convolutional neural networks to reduce the scope of the problem and segmentation of the liver and lesions.eng
dc.description.provenanceSubmitted by Jonathan Sousa de Almeida (jonathan.sousa@ufma.br) on 2022-05-13T15:59:17Z No. of bitstreams: 1 JOSÉDENESLIMAARAÚJO.pdf: 5806674 bytes, checksum: 04fa6344307a9db0594c3a7f074f26dd (MD5)eng
dc.description.provenanceMade available in DSpace on 2022-05-13T15:59:17Z (GMT). No. of bitstreams: 1 JOSÉDENESLIMAARAÚJO.pdf: 5806674 bytes, checksum: 04fa6344307a9db0594c3a7f074f26dd (MD5) Previous issue date: 2022-04-11eng
dc.description.sponsorshipFAPEMApor
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Federal do Maranhãopor
dc.publisher.departmentDEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCETpor
dc.publisher.countryBrasilpor
dc.publisher.initialsUFMApor
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCETpor
dc.rightsAcesso Abertopor
dc.subjectcâncer de fígado;por
dc.subjectsegmentação do fígado;por
dc.subjectsegmentação de lesões no fígado;por
dc.subjectredes neurais convolucionais;por
dc.subjecttomografia computadorizada.por
dc.subjectliver cancer;eng
dc.subjectliver segmentation;eng
dc.subjectliver lesion segmentation;eng
dc.subjectconvolutional neural networks;eng
dc.subjectcomputed tomography.eng
dc.subject.cnpqCiência da Computaçãopor
dc.subject.cnpqAnatomia Patológicapor
dc.titleSegmentação automática do fígado e lesões hepáticas em imagens de tomografia computadorizada usando redes neurais convolucionaispor
dc.title.alternativeAutomatic segmentation of healthy livers in computer images configured and using neural networkseng
dc.typeTesepor
Appears in Collections:TESE DE DOUTORADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Files in This Item:
File Description SizeFormat 
JOSÉDENESLIMAARAÚJO.pdfTese de Doutorado5,67 MBAdobe PDFDownload/Open Preview


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