Reconstrução tridimensional de feridas utilizando descritores de pontos: um estudo comparativo

• Ano de defesa: 2023
• Autor(a) principal: Souto, José Renato de Araújo
• Orientador(a): Carvalho, Bruno Motta de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Rio Grande do Norte
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO
• País: Brasil
• Palavras-chave em Português: Computação; Feridas crônicas; Descritores de pontos; Reconstrução 3D
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
• Link de acesso: https://repositorio.ufrn.br/handle/123456789/54680

Úlcera é o nome genérico dado a qualquer lesão no tecido cutâneo ou mucoso. Essas lesões culminam com a ruptura do epitélio, acarretando exposição de tecidos mais profundos. O problema completo a ser solucionado pelo projeto, no qual este trabalho se insere, está relacionado ao desenvolvimento de ferramentas computacionais acuradas e eficientes, visando o acompanhamento do tratamento de feridas crônicas. Este acompanhamento é de fundamental importância para a determinação do quadro de evolução no tratamento do paciente. Assim, neste trabalho é proposta uma avaliação quantitativa das reconstruções tridimensionais obtidas usando Structure from Motion com o auxílio de 6 diferentes descritores de pontos. O problema específico atacado é o de determinar qual(is) o(s) descritor(es) de pontos mais eficientes e acurados para a reconstrução tridimensional de feridas crônicas, tendo sido escolhidos os descritores SIFT, SURF, ORB, BRIEF, FREAK e DRINK. Os resultados alcançados presumem que a medição das áreas das feridas crônicas pode ser obtida por meio da utilização de um smartphone através da metodologia abordada. Em relação ao tempo de processamento os descritores baseados em pontos flutuantes, o SIFT e o SURF foram os que obtiveram o maior custo computacional. No cálculo da área nas superfícies das feridas, os descritores obtiveram erros médios de 2,61% na utilização com o SIFT, 3,36% para o SURF, 10,03% no BRIEF, 6,33% para o ORB, 6,27% no FREAK e 3,74% com o DRINK, numa configuração utilizando 8 imagens.