Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.ufc.br/handle/riufc/72342
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorRebouças Filho, Pedro Pedrosa-
dc.contributor.authorSouza, Luís Fabrício de Freitas-
dc.date.accessioned2023-05-17T18:14:22Z-
dc.date.available2023-05-17T18:14:22Z-
dc.date.issued2023-
dc.identifier.citationSOUZA, Luís Fabrício de Freitas. Divisible cell-segmentation: uma nova abordagem fine-tuning adaptativa para segmentação em tomografias computadorizadas por meio de células computacionais sintéticas. 2023. 134 f. Tese (Doutorado em Engenharia de Teleinformática)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2023pt_BR
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/72342-
dc.descriptionEste documento está disponível online com base na Portaria nº 348, de 08 de dezembro de 2022, disponível em: https://biblioteca.ufc.br/wp-content/uploads/2022/12/portaria348-2022.pdf, que autoriza a digitalização e a disponibilização no Repositório Institucional (RI) da coleção retrospectiva de TCC, dissertações e teses da UFC, sem o termo de anuência prévia dos autores. Em caso de trabalhos com pedidos de patente e/ou de embargo, cabe, exclusivamente, ao autor(a) solicitar a restrição de acesso ou retirada de seu trabalho do RI, mediante apresentação de documento comprobatório à Direção do Sistema de Bibliotecas.pt_BR
dc.description.abstractAccording to the World Health Organization (WHO), various pathologies are factors causing millions of deaths per year worldwide, such as Stroke and pulmonary diseases. With the aim of optimizing and facilitating the process of localization and segmentation of regions in medical images, computer-aided diagnosis (CAD) systems are increasingly being used, increasing the safety of diagnoses and the performance of specialists. The objective of this thesis is to present a new approach for segmentation and automatic initialization in computed tomography (CT) images of hemorrhagic stroke and pulmonary CTs. The study proposes a new, effective, fully automatic, and adaptive method for segmentation in medical images, called Divisible Cell-Segmentation. The proposed method is an effective new approach based on automatic initialization for detection and segmentation of the region of interest, where synthetic computational cells capable of dividing (multiplying) with the aim of finding the edges of the object of interest, effectively and accurately segment the contour regions in CT medical images. The synthetic computational cell division process is based on an analogy to the biological process of cytokinesis, the process of cell division where cells multiply in the human body. The experiments were successful, achieving high effectiveness in segmenting the regions in different medical images, obtaining 99.80% accuracy for segmentation in hemorrhagic stroke, with 99.81% specificity (ESP), demonstrating effectiveness in segmentation in different brain CTs. For pulmonary images, the proposed method achieved 99.01% accuracy, being able to identify different lung regions and their structures, as well as their different shapes caused by the breathing process in the acquisition of exams. As in hemorrhagic stroke, segmentation in lung images obtained excellent results with 99.28% specificity, demonstrating the robustness of the new method with an average segmentation time of just over 1 second for CT images. To validate the experiments, the results were compared to different methods found in the state of the art, thus surpassing renowned computational segmentation models in the literature; non-automatic, semi-automatic, and automatic, equaling to consolidated state-of-the-art methods in segmentation time as well as in segmentation effectiveness.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectAcidente vascular cerebralpt_BR
dc.subjectPulmões - Doençaspt_BR
dc.subjectTomografia computadorizada por raios xpt_BR
dc.subjectSegmentação adaptativapt_BR
dc.subjectDivisible Cell-Segmentationpt_BR
dc.titleDivisible cell-segmentation: uma nova abordagem fine-tuning adaptativa para segmentação em tomografias computadorizadas por meio de células computacionais sintéticaspt_BR
dc.typeTesept_BR
dc.description.abstract-ptbrSegundo a Organização Mundial da Saúde (OMS), diversas patologias são fatores da causas de milhões de mortes por ano no mundo, mortes como a de Acidente Vascular Cerebral (AVC) e do- enças pulmonares. Com o objetivo de otimizar e facilitar o processo de localização e segmentação da região em imagens médicas, os sistemas de auxílio ao diagnóstico computadorizado (CAD) estão sendo cada vez mais utilizados, aumentando a segurança dos diagnósticos e o desempenho dos especialistas. O estudo desta tese tem como objetivo apresentar, uma nova abordagem para segmentação e inicialização automática em imagens de Tomografias computadorizadas (TCs) de AVC hemorrágico e TCs pulmonares. O estudo propõe um novo método eficaz total- mente automático e adaptativo para segmentação em imagens médicas, denominado Divisible Cell-Segmentation. O método proposto é uma nova abordagem eficaz baseado na inicialização automática para detecção e segmentação da região de interesse, onde células computacionais sintéticas capazes de se dividirem (multiplicarem) com o objeto de encontrar as bordas do objeto de interesse, segmentando com eficácia e precisão as regiões de contorno em imagens médicas de TCs. O processo de divisão celular computacional sintético é baseado em uma analogia ao processo de citocinese, processo biológico de divisão celular onde células se multiplicam no corpo humano. Os experimentos foram um sucesso, obtendo grande eficácia em segmentar as regiões nas mais diferentes imagens médicas, obtendo 99.80% de acurácia para segmentação em AVC hemorrágico, com 99.81% de Especificidade (ESP), demonstrado eficácia na segmentação nas diferentes TCs cerebrais. Para imagens pulmonares, o método proposto obtendo 99.01% de acurácia, sendo capaz de identificar diferentes regiões pulmonares e suas estruturas, bem como os seus diferentes formato causados pelo processo de respiração na aquisição dos exames. Assim com no AVC hemorrágico, a segmentação nas imagens de pulmão obtiveram excelentes resultados com 99.28% de especificidade, demonstrando a robustez do novo método com o tempo médio de segmentação em pouco mais de 1 segundo para as imagens de TC. A fim de validar os experimentos, os resultados foram comparados a diferentes métodos encontrados no estado da arte, superando assim conceituados modelos computacionais de segmentação da literatura; não automáticos, semiautomáticos e automáticos, equiparando-se a métodos consolidados do estado da arte em tempo de segmentação bem como na eficácia nos resultados de segmentação.pt_BR
Aparece en las colecciones: DETE - Teses defendidas na UFC

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
2023_tese_lffsouza.pdf83,01 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.