Análise quantitativa automatizada de padrões radiológicos de doenças pulmonares difusas em tomografia computadorizada de alta resolução (2014)
- Authors:
- Autor USP: PEREYRA, LUCAS CALABREZ - FMRP
- Unidade: FMRP
- Sigla do Departamento: RCM
- Subjects: DIAGNÓSTICO POR COMPUTADOR; DOENÇA PULMONAR (ESPECIALIDADE); TOMOGRAFIA
- Language: Português
- Abstract: Mais de 180 doenças são abrangidas pelo grupo das Doenças Pulmonares Difusas (DPD), atingindo regiões pulmonares em comum e com características clínicas, radiológicas e funcionais semelhantes. As técnicas de processamento de imagens para o reconhecimento automatizado de padrões em imagens radiológicas envolvem fundamentos de visão computacional e inteligência artificial, possibilitando criar perspectivas de apoio ao diagnóstico e à tomada de decisão clínica. Nesse contexto, o trabalho aqui descrito teve como propósito a aplicação de técnicas computacionais que permitiram a análise quantitativa e o reconhecimento de padrões radiológicos nas DPD em imagens de tomografia computadorizada de alta resolução. Essas técnicas foram utilizadas com a finalidade de extrair atributos de textura a partir de regiões de interesse pré-processadas selecionadas para representar cinco padrões radiológicos associados às DPD, mais o padrão normal. Histogramas de primeira e segunda ordem, medidas de análise de textura de Haralick baseadas nos histogramas de segunda ordem, assim como medidas estatísticas obtidas da transformada de Fourier, medidas de energia de textura de Laws e a dimensão fractal de cada região de interesse foram extraídos e concatenados em vetores. Estes últimos foram classificados por um algoritmo k-vizinhos próximos (kNN, do inglês k-nearest neighbors), com valores diferentes do número de vizinhos, utilizando o vetor completo de atributos. Após as rodadas de classificação com o vetor completo, foi realizada a seleção de atributos utilizando duas heurísticas de exclusão diferentes e um algoritmo kNN para a seleção de subgrupos de atributos relevantes e a busca dos atributos mais representativos dentro dos subgrupos. Os vetores obtidos a partir dessas técnicas foram classificados pelo classificador kNN do mesmo modo que o realizado com o vetor completo. Os resultados daclassificação foram avaliados de acordo com a taxa de classificações corretas e a área abaixo da curva ROC (do inglês Receiver Operating Characteristic). Com taxas de classificações corretas de até 83,2% e áreas médias abaixo da curva ROC para os diferentes tipos de padrões radiológicos de até 0,936, o conjunto proposto apresenta potencial para uso na área de diagnóstico auxiliado por computador.
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2014
- Data da defesa: 01.12.2014
-
ABNT
PEREYRA, Lucas Calabrez. Análise quantitativa automatizada de padrões radiológicos de doenças pulmonares difusas em tomografia computadorizada de alta resolução. 2014. Dissertação (Mestrado) – Universidade de São Paulo, Ribeirão Preto, 2014. . Acesso em: 03 jun. 2024. -
APA
Pereyra, L. C. (2014). Análise quantitativa automatizada de padrões radiológicos de doenças pulmonares difusas em tomografia computadorizada de alta resolução (Dissertação (Mestrado). Universidade de São Paulo, Ribeirão Preto. -
NLM
Pereyra LC. Análise quantitativa automatizada de padrões radiológicos de doenças pulmonares difusas em tomografia computadorizada de alta resolução. 2014 ;[citado 2024 jun. 03 ] -
Vancouver
Pereyra LC. Análise quantitativa automatizada de padrões radiológicos de doenças pulmonares difusas em tomografia computadorizada de alta resolução. 2014 ;[citado 2024 jun. 03 ]
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
