Utilização de redes neurais completamente convolucionais para identificação e medição de crânios fetais

• Ano de defesa: 2019
• Autor(a) principal: Skeika, Everton Leonardo
• Orientador(a): Andrade, Mauren Louise Sguario Coelho de
• Banca de defesa: Guimarães, Alaine Margarete , Morais, Erikson Freitas de , Aires, Simone Bello Kaminski , Andrade, Mauren Louise Sguario Coelho de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Ponta Grossa
• Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência da Computação
• País: Brasil
• Palavras-chave em Português: Ultrassonografia; Craniometria; Aprendizagem; Redes neurais (Computação); Ultrasonic imaging; Craniometry; Learning; Neural networks (Computer science)
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/4714

A ultrassonografia é uma técnica de diagnóstico por imagem não invasiva e não radioativa frequentemente utilizada no acompanhamento do desenvolvimento fetal durante a gestação. A avaliação precisa da biometria fetal é importante para a análise do crescimento do feto, diagnóstico de malformações e de possíveis doenças congênitas, garantindo assim o bem-estar da mãe e do feto durante a gestação. Porém, para uma medição precisa de estruturas anatômicas do feto é necessário conhecimento especializado do médico obstetra. Além de ser um processo tedioso e demorado, a extração do contorno é influenciada pela sua experiência. Dada esta problemática, em meados de 2018 foi lançado o desafio HC18 com objetivo de desafiar pesquisadores da área a projetar um algoritmo que possa medir automaticamente a circunferência da cabeça do feto mediante imagens de ultrassonografia bidimensionais. Neste sentido, este trabalho propôs uma solução ao desafio consistindo de uma adaptação da rede Neural Completamente Convolucional V-Net. Para atender o objetivo foi construída uma metodologia consistindo de algumas etapas como, por exemplo, a realização de pré-processamento no dataset disponibilizado pelo desafio, alterações na estrutura da rede para uma melhor segmentação das imagens, a construção de um algoritmo para pós-processamento das segmentações ineficientes e a implementação de um algoritmo para os cálculos das elipses resultantes da segmentação. Posteriormente, os resultados obtidos pela metodologia proposta foram submetidos ao desafio. Conforme a classificação obtida, demonstra-se que é possível a utilização da rede V-Net para este tipo de problema.