Segmentação por entropia de Tsallis através de MRF para o parcelamento de ressonância magnética cerebral (2019)
- Authors:
- Autor USP: AZIMBAGIRAD, MEHRAN - FFCLRP
- Unidade: FFCLRP
- Sigla do Departamento: 591
- Subjects: IMAGEM; ALGORITMOS; RESSONÂNCIA MAGNÉTICA
- Language: Português
- Abstract: A quantificação das alterações do volume do tecido intracraniano na ressonância magnética (RM) auxilia os especialistas a analisar os efeitos das alterações naturais ou patológicas. Como essas alterações podem ser sutis, a precisão do método de compartimentação influencia os estudos para analisar e quantificar os tecidos cerebrais. Nesta tese, revisamos os métodos recentes de segmentação do cérebro usados em ferramentas de imagens médicas. Em seguida, investigando a origem dos erros que podem ocorrer nos algoritmos de segmentação revisados, um pipeline híbrido é proposto para mitigar a influência desses erros. No primeiro capítulo, alguns pré-requisitos sobre estatística e modelos estatísticos e, em seguida, dois estimadores mais utilizados para os parâmetros do modelo são ilustrados. O segundo capítulo explica o uso de um modelo estatístico para segmentar imagens cerebrais. Além disso, as desvantagens desses métodos são discutidas. No terceiro capítulo, propomos um método de segmentação baseado na q-entropia modificada através de um campo aleatório modificado de Markov (Mqe-MMRF) para melhorar a precisão da parcela dos tecidos cerebrais. No último capítulo, os métodos propostos foram submetidos a duas estratégias para avaliar Mqe-MMRF, ou seja, uma simulação de diferentes níveis de ruído em dados de ressonância magnética e um conjunto de vinte dados de ressonância magnética disponíveis a partir de MRBrainS13 como desafio de segmentação de tecido cerebral. Nós acessamos novemétricas de qualidade de segmentação em comparação com delineamentos de tecidos de referência para avaliar o Mqe-MMRF. As simulações de ruído de ressonância magnética mostraram apenas 4,8% de decréscimo nas métricas de pontuação de segmentação após a adição de artefatos de ruído de 40% e 9% de não uniformidade e de ruído Gaussiano, respectivamente. Para cinco sujeitos de treinamento, encontramos melhoras significantes médias nas métricas de similaridade, para cérebro inteiro 0,78, Matéria Branca 2,91, Matéria Cinzenta 3,85 e Líquido Cefalorraquidiano 3,83% (p-valores <0,02) nas métricas quando o Mqe-MMRF é comparado a métodos estado da arte. O Mqe-MMRF foi realizado em 15 utros sujeitos reais no desafio on-line MRBrainS13, e os resultados mantiveram uma classificação mais alta do que as ferramentas de referência, ou seja, FreeSurfer, SPM e FSL. Como o método proposto melhorou a precisão da segmentação do cérebro e classificou o melhor desempenho para Substância Cinzenta, ele pode ser usado em estudos morfológicos quantiativos do cérebro
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2019
- Data da defesa: 13.08.2019
-
ABNT
AZIMBAGIRAD, Mehran. Segmentação por entropia de Tsallis através de MRF para o parcelamento de ressonância magnética cerebral. 2019. Tese (Doutorado) – Universidade de São Paulo, Ribeirão Preto, 2019. Disponível em: http://www.teses.usp.br/teses/disponiveis/59/59135/tde-27092019-102750/. Acesso em: 21 maio 2024. -
APA
Azimbagirad, M. (2019). Segmentação por entropia de Tsallis através de MRF para o parcelamento de ressonância magnética cerebral (Tese (Doutorado). Universidade de São Paulo, Ribeirão Preto. Recuperado de http://www.teses.usp.br/teses/disponiveis/59/59135/tde-27092019-102750/ -
NLM
Azimbagirad M. Segmentação por entropia de Tsallis através de MRF para o parcelamento de ressonância magnética cerebral [Internet]. 2019 ;[citado 2024 maio 21 ] Available from: http://www.teses.usp.br/teses/disponiveis/59/59135/tde-27092019-102750/ -
Vancouver
Azimbagirad M. Segmentação por entropia de Tsallis através de MRF para o parcelamento de ressonância magnética cerebral [Internet]. 2019 ;[citado 2024 maio 21 ] Available from: http://www.teses.usp.br/teses/disponiveis/59/59135/tde-27092019-102750/ - Feasibility of prediction of radiation-related caries in head-neck cancer patients using machine learning and radiomics features
- Partial volume transfer (PVT) conversion of cerebral tissue volumes between different magnetic fields MRI
- A versatile induction heating system for magnetic hyperthermia studies under different experimental conditions
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
