Ciência da Computação

URI Permanente desta comunidade

https://repositorio.fei.edu.br/handle/FEI/342

Navegar

Navegando Ciência da Computação por Orientador "Leila Cristina Carneiro Bergamasco"

Agora exibindo 1 - 3 de 3
  • Imagem de Miniatura
    Trabalho de Conclusão de Curso
    COMPARTILHAMENTO DE IMAGENS MÉDICAS CARDÍACAS PARA UTILIZAÇÃO EM PESQUISA E DESENVOLVIMENTO:
    (2021-12-15) BRUNO BAZZO ABELLAN; GUILHERME COUTO BERNARDI; JOÃO VITOR MALAFAIA; MATEUS CONTE FEITOSA
    Imagens médicas são essenciais no treinamento de algoritmos de inteligência artificial que objetivam, entre outras tarefas, auxiliar o diagnóstico médico. Embora esse treinamento seja possível com um pequeno número de imagens é conhecido pela comunidade científica que quanto maior a quantidade de imagens disponíveis, maior a efetividade do algoritmo. Dessa forma, se torna essencial o desenvolvimento de estratégias de armazenamento e recuperação de tais imagens. Uma das abordagens possíveis é a utilização de sistemas gerenciadores de banco de dados (SGBDs) para realizar o armazenamento desses dados. O presente projeto de pesquisa tem por objetivo avaliar diferentes SGBDs no que diz respeito ao armazenamento de centenas de frames de exames de ressonância magnética cardíaca, considerando todas as suas particularidades, tais como: anonimização, idade e gênero do paciente. Adicionalmente, para simular um grande volume de dados e estruturar a base de dados para que seja reaproveitada por outros pesquisadores, utiliza-se técnicas de DA. As principais contribuições deste trabalho foram: determinar que o modelo mais adequado para armazenar e recuperar imagens médicas cardíacas dentro do contexto de desenvolvimento de pesquisa é o MongoDB Atlas, além de aplicar técnicas eficientes para que seja possível obter uma maior gama de imagens e consequentemente maior precisão em um treinamento de modelos preditivos utilizando IA.
  • Imagem de Miniatura
    Trabalho de Conclusão de Curso
    DETECÇÃO DE ROI E SEGMENTAÇÃO AUTOMÁTICA DE IMAGENS DE RESSONÂNCIA MAGNÉTICA CARDÍACA:
    (2021-12-15) EDUARDO COLTRI; GABRIEL FIGUEREDO; KELVIN LINS SILVA; PEDRO ZIGANTE MARTIM
    O crescimento exponencial do volume de dados é uma realidade dentre todas as áreas de conhecimento. Notavelmente a área de processamento de imagens médicas encontra-se entre estas, principalmente no que tange a identificação de região de interesse (Region Of Interest - ROI) e segmentação. A priori ambas tarefas são mais presentes dentre componentes de imagens de ressonância magnética dos órgãos do coração e do cérebro. Para a detecção do ROI e segmentação, técnicas baseadas em redes neurais convolucionais têm sido amplamente aplicadas. Embora diversos métodos e arquiteturas já tenham sido propostas, muitas ainda falham em realizá-los ou não atingem resultados acurados e generalizados. Em específico, na Cardiologia, problemas como patologias derivadas da cardiomiopatia e grande quantidade de ruído estão entre os ofensores do avanço de resultados satisfatórios nas tarefas de detecção do ROI e segmentação automática do ventrículo esquerdo. Dessa forma, o presente trabalho propõe um novo método baseado na combinação de duas redes neurais modificadas juntamente com uma função redutora de ruídos, até então não utilizada em imagens deste contexto. Este estudo obteve resultados equivalentes ou próximos ao estado da arte, com índice médio de Dice de 0.92, Hausdorff médio de 3.02 e índice de Jaccard médio de 0.87 para a abordagem empregada
  • Imagem de Miniatura
    Trabalho de Conclusão de Curso
    UTILIZAÇÃO DE MÉTODO ENSEMBLE PARA CLASSIFICAÇÃO DE IMAGENS MÉDICAS CARDÍACAS:
    (2022-06-13) FELIPE MACIEL DE SOUSA; GUILHERME ORMOND SAMPAIO; LEON FERREIRA BELLINI; PEDRO FREITAS MAGALHÃES BARBOSA
    Doenças cardíacas figuram entre as principais causas de morte no mundo, segundo a Organização Mundial da Saúde elas são responsáveis por cerca de 17 milhões de mortes globalmente. Em resposta a esse cenário, as pessoas têm procurado com frequência acompanhamento médico a fim de evitar um diagnóstico tardio. Esse processo promoveu um aumento na demanda por exames de ressonância magnética cardíaca e a identificação de cardiomiopatias nesse volume de exames representa um grande desafio para as equipes médicas. Embora sistemas inteligentes sejam capazes de identificar doenças cardíacas nos exames mencionados acima, poucas abordagens consideram diferentes slices do órgão e as especificidades do ciclo cardíaco em sua análise. Este trabalho apresenta uma metodologia baseada em aprendizado de máquina supervisionado para abordar essa análise considerando os aspectos citados. Durante os experimentos foi registrada uma acurácia de 80,00% e precisão de 82,26% no melhor caso de teste, que consiste na utilização das estruturas do epicárdio e endocárdio, durante o ciclo diastólico e utilizando treze frames do ciclo