Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
http://tede.bc.uepb.edu.br/jspui/handle/tede/3602
Tipo do documento: | Dissertação |
Título: | Atenuação de artefato metálico em imagem de tomografia computadorizada com uso de Deep learning |
Autor: | Ribeiro Júnior, Audemar Fernandes |
Primeiro orientador: | Sousa, Robson Pequeno de |
Primeiro membro da banca: | Galdino, Katia Elizabete |
Segundo membro da banca: | Gomes, Herman Martins |
Resumo: | Artefatos metálicos são graves problemas de reconstrução de imagens médicas de tomografias computadorizadas, podendo causar significativas dificuldades de diagnóstico, ou até mesmo inviabilizá-lo. Esta pesquisa, desenvolvida no Núcleo de Tecnologias Estratégicas em Saúde - NUTES, em parceria com o Hospital Regional de Trauma Dom Luiz Gonzaga Fernandes, gerou uma arquitetura de rede neural convolucional que atenua os efeitos causados por artefatos metálicos em imagens produzidas por aparelhos de tomografia computadorizada. A arquitetura proposta, após o treinamento, foi capaz de reconstruir imagens de tomografia computadorizada com atenuação de artefato metálico, com resultado aferido por avaliação qualitativa através de formulários. Os resultados obtidos demonstraram que a técnica é promissora para a atenuação de artefatos metálicos. |
Abstract: | Metallic artifacts are serious problems of reconstruction of medical images of CT scans, which may cause significant difficulties in diagnosis, or even render it unfeasible. This research, developed in the Nucleus of Strategic Technologies in Health - NUTES, in partnership with the Regional Hospital of Trauma Dom Luiz Gonzaga Fernandes, generated a convolutional neural network architecture that attenuates the effects caused by metallic artifacts in images produced by computed tomography . The proposed architecture, after training, was able to reconstruct computed tomography images with metal artifact attenuation, with a result measured by qualitative evaluation through forms. The obtained results demonstrated that the technique is promising for the attenuation of metallic artifacts. |
Palavras-chave: | Tomografias computadorizadas Deep learning Artefatos metálicos Rede Neural Convolucional Aprendizagem profunda Deep learning Metal artifact Convolutional neural network |
Área(s) do CNPq: | CIENCIAS DA SAUDE::MEDICINA |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Estadual da Paraíba |
Sigla da instituição: | UEPB |
Departamento: | Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP |
Programa: | Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS |
Citação: | RIBEIRO JÚNIOR, A. F. Atenuação de artefato metálico em imagem de tomografia computadorizada com uso de Deep learning. 2018. 81f. Dissertação (Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS) - Universidade Estadual da Paraíba, Campina Grande, 2018. |
Tipo de acesso: | Acesso Aberto |
URI: | http://tede.bc.uepb.edu.br/jspui/handle/tede/3602 |
Data de defesa: | 26-Nov-2018 |
Aparece nas coleções: | PPGCTS - Dissertações |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
PDF - Audemar Fernandes Ribeiro Júnior.pdf | PDF - Audemar Fernandes Ribeiro Júnior | 144.32 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.