Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebro

Bibliographic Details
Main Author: Silva, Michel Melo da
Publication Date: 2014
Format: Master thesis
Language: por
Source: Repositório Institucional da UFLA
Download full: http://repositorio.ufla.br/jspui/handle/1/4578
Summary: Dissertação apresentada a Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Ciência da Computação, área de concentração em Ciência da Computação, para obtenção do título de Mestre.
id UFLA_a1c8290bb39a9b22d9d77991fd12c94d
oai_identifier_str oai:localhost:1/4578
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebroRedes neurais artificiaisImagens de ressonãncia magnéticaArtificial neural networkMagnetic resonance imagingCNPQ_NÃO_INFORMADODissertação apresentada a Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Ciência da Computação, área de concentração em Ciência da Computação, para obtenção do título de Mestre.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Ciência da ComputaçãoEsta dissertação de mestrado foi realizada com o objetivo de apresentar uma nova forma de segmentar em substância branca, substância cinzenta e fluido cérebro-espinhal as imagens de tensores de difusão (DTI, do inglês Difusion Tensor Image) do cérebro humano, capturadas por ressonância magnética. Doenças como, por exemplo, Alzheimer, perda de memória de longa duração, dislexia e outras estão sendo relacionadas com o volume ou a alteração do volume da substância branca e/ou cinzenta. Os métodos de segmentação apresentados na literatura até o momento não fazem uma segmentação direta com base em DTI utilizando as características intra e inter voxel ao mesmo tempo. A alternativa apresentada, na presente abordagem, _e a utilização de técnica, baseada em aprendizagem de máquina, como Redes Neurais Artificiais (RNA), para fazer uma segmentação voxel a voxel com base em características intra e intervoxel da DTI. Neste trabalho são apresentadas as características de DTI, noções básicas sobre Aquisição de Imagens de Ressonância Magnética, representação de tensores por elipsóides, noções básicas da estrutura do cérebro humano, relação entre as características e as regiões do cérebro e noções básicas sobre RNA e Análise Discriminante Linear. Os resultados dessa nova abordagem foram eficazes na segmentação do cérebro humano, com taxa de erro menor que 2% sobre alguns dos métodos utilizados para ensinar a RNA, durante o treinamento, além de contar com as vantagens de uma técnica baseada em aprendizagem de máquina. A principal contribuição deste trabalho foi mostrar a vantagem de se observar, também, as características intervoxel no processo de segmentação do cérebro. Concluiu-se que a utilização dessas características diminui o erro nas regiões de borda dos tecidos.The aim of this master dissertation is to present a novel form to segment Di usion Tensor Image (DTI) captured by magnetic resonance machine. The DTI is a scan of the human brain, and it is segmented into white matter, gray matter and cerebrospinal uid. Diseases, such as Alzheimer, losing of long term memory, dyslexia and others were related to the volume or volume changes in the white matter and/or gray matter. The segmentation methods presented in the literature up to now does not perform a segmentation based on DTI using both intra and inter voxel features together. This proposed method presented here is an approach which uses techniques based on machine learning, such as Arti cial Neural Networks (ANN), to make a voxel to voxel segmentation from intra and inter voxel features of the DTI. This work presents some ideas about the features of DTI, insight of Magnetic Resonance Image acquisition, ellipsoid DTI visualization, human brain basic structures, the relationship between the characteristics and the brain regions, and insight about ANN and Linear Discriminant Analysis. The results of this new approach were e ective in segmenting the human brain, with an error rate less than 2% about one of the methods used to teach the ANN in the training process, in addition to having the advantages of a technique based on machine learning. The main contribution of this work was to show the advantage of observing both the features intervoxel on the brain segmentation process. It was concluded that the use of those features reduces the error in the edge regions of the tissues.UNIVERSIDADE FEDERAL DE LAVRASDCC - Departamento de Ciência da ComputaçãoUFLABRASILMenezes, Fortunato SilvaSaúde, André VitalLacerda, Wilian SoaresCampos, Mário Fernando MontenegroSilva, Michel Melo da2014-11-05T18:24:03Z2014-11-05T18:24:03Z20142014-09-05info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSILVA, M. M. da. Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebro. 2014. 94 p. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Lavras, Lavras, 2014.http://repositorio.ufla.br/jspui/handle/1/4578info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLA2023-04-13T18:09:03Zoai:localhost:1/4578Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2023-04-13T18:09:03Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false
dc.title.none.fl_str_mv Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebro
title Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebro
spellingShingle Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebro
Silva, Michel Melo da
Redes neurais artificiais
Imagens de ressonãncia magnética
Artificial neural network
Magnetic resonance imaging
CNPQ_NÃO_INFORMADO
title_short Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebro
title_full Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebro
title_fullStr Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebro
title_full_unstemmed Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebro
title_sort Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebro
author Silva, Michel Melo da
author_facet Silva, Michel Melo da
author_role author
dc.contributor.none.fl_str_mv Menezes, Fortunato Silva
Saúde, André Vital
Lacerda, Wilian Soares
Campos, Mário Fernando Montenegro
dc.contributor.author.fl_str_mv Silva, Michel Melo da
dc.subject.por.fl_str_mv Redes neurais artificiais
Imagens de ressonãncia magnética
Artificial neural network
Magnetic resonance imaging
CNPQ_NÃO_INFORMADO
topic Redes neurais artificiais
Imagens de ressonãncia magnética
Artificial neural network
Magnetic resonance imaging
CNPQ_NÃO_INFORMADO
description Dissertação apresentada a Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Ciência da Computação, área de concentração em Ciência da Computação, para obtenção do título de Mestre.
publishDate 2014
dc.date.none.fl_str_mv 2014-11-05T18:24:03Z
2014-11-05T18:24:03Z
2014
2014-09-05
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SILVA, M. M. da. Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebro. 2014. 94 p. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Lavras, Lavras, 2014.
http://repositorio.ufla.br/jspui/handle/1/4578
identifier_str_mv SILVA, M. M. da. Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebro. 2014. 94 p. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Lavras, Lavras, 2014.
url http://repositorio.ufla.br/jspui/handle/1/4578
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv UNIVERSIDADE FEDERAL DE LAVRAS
DCC - Departamento de Ciência da Computação
UFLA
BRASIL
publisher.none.fl_str_mv UNIVERSIDADE FEDERAL DE LAVRAS
DCC - Departamento de Ciência da Computação
UFLA
BRASIL
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFLA
instname:Universidade Federal de Lavras (UFLA)
instacron:UFLA
instname_str Universidade Federal de Lavras (UFLA)
instacron_str UFLA
institution UFLA
reponame_str Repositório Institucional da UFLA
collection Repositório Institucional da UFLA
repository.name.fl_str_mv Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)
repository.mail.fl_str_mv nivaldo@ufla.br || repositorio.biblioteca@ufla.br
_version_ 1830857954087141376

Similar Items