Modelo não supervisionado de segmentação de estruturas em exames de tomografia de crânio

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Santos, Paulo Victor dos lattes
Orientador(a): Calixto, Wesley Pacheco lattes
Banca de defesa: Calixto, Wesley Pacheco, Delgado, Myriam Regattieri de Biase da Silva, Vieira, Flavio Henrique Teles, Gonçalves, Cristhiane, Martins, Marcella Scoczynski Ribeiro
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Goiás
Programa de Pós-Graduação: Programa de Pós-graduação em Engenharia Elétrica e da Computação (EMC)
Departamento: Escola de Engenharia Elétrica, Mecânica e de Computação - EMC (RMG)
País: Brasil
Palavras-chave em Português:
Palavras-chave em Inglês:
Área do conhecimento CNPq:
Link de acesso: http://repositorio.bc.ufg.br/tede/handle/tede/13504
Resumo: This work proposes the development of an unsupervised method for segmenting cranial CT images. The methodology involves extracting image features and applying similarity and continuity constraints to create segmentation maps of intracranial structures and observable tissues. This approach aims to assist specialists in diagnosis by identifying regions with specific anomalies. Applied to real-world datasets, the method uses a spatial continuity evaluation function related to the desired number of structures. Results show satisfactory performance, indicating a simplified and accessible approach that reduces computational load, training time, and financial costs. This proposal serves as a practical tool for cranial CT image segmentation, providing significant contributions to the analysis of medical images in clinical and diagnostic settings.