Registro fonte: Segmentação de gorduras cardíacas utilizando uma rede generativa adversária condicional

Segmentação de gorduras cardíacas utilizando uma rede generativa adversária condicional

In recent years, studies have shown that the increase in the amount of fat surrounding the heart was associated with a higher risk of triggering some cardiovascular diseases, such as atrial brillation and coronary heart disease. Manual segmentation of these fats has not been widely implemented in cl...

ver descrição completa

Autor principal:	Silva, Guilherme Santos da
Formato:	Trabalho de Conclusão de Curso (Graduação)
Idioma:	Português
Publicado em:	Universidade Tecnológica Federal do Paraná 2022
Assuntos:	Aterosclerose Aprendizado do computador Redes neurais (Computação) Morfismo (Matemática) Atherosclerosis Machine learning Neural networks (Computer science) Morphisms (Mathematics) CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Acesso em linha:	http://repositorio.utfpr.edu.br/jspui/handle/1/28614
Tags:	Adicionar Tag Sem tags, seja o primeiro a adicionar uma tag!

id	riut-1-28614
recordtype	dspace
spelling	riut-1-286142022-05-21T06:07:54Z Segmentação de gorduras cardíacas utilizando uma rede generativa adversária condicional Cardiac fats segmentation using a conditional generative adversarial network Silva, Guilherme Santos da Rodrigues, Érick Oliveira Rodrigues, Érick Oliveira Casanova, Dalcimar Oliva, Jefferson Tales Aterosclerose Aprendizado do computador Redes neurais (Computação) Morfismo (Matemática) Atherosclerosis Machine learning Neural networks (Computer science) Morphisms (Mathematics) CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO In recent years, studies have shown that the increase in the amount of fat surrounding the heart was associated with a higher risk of triggering some cardiovascular diseases, such as atrial brillation and coronary heart disease. Manual segmentation of these fats has not been widely implemented in clinical practice due to the human workload required and the high cost of physicians and technicians. Therefore, the need to perform quantitative analysis more accurately and faster in exams with a lot of information has driven the development of new computational methods for organ segmentation. In this work, a new uni ed method for the autonomous segmentation and quanti cation of two types of cardiac fats was proposed, using the pix2pix network, a generative conditional adversary network ideally created to perform image-to-image translation. Segmented fats are called epicardium and mediastinal and are separated from each other by the pericardium. Different experiments were carried out to obtain satisfactory results regarding segmentation, explore the most suitable approaches when working with this network and evaluate the performance of a new, powerful and versatile architecture. Experimental results of the proposed methodology showed that the mean accuracy in relation to epicardial and mediastinal fats is 99.08%, with a true positive mean rate of 99.34%. The similarity indices were, on average, 99.28% and 98.59%, for the F1 score and IoU, respectively. Nos últimos anos, estudos têm apontado que o aumento da quantidade de gordura que envolve o coração foi associado a maior risco para o desencadeamento de algumas doenças cardio-vasculares, como a fibrilação arterial e a doença coronariana. A segmentação manual dessas gorduras não tem sido amplamente implantada na prática clínica devido á carga de trabalho humana necessária e ao alto custo de médicos e técnicos. Portanto, a necessidade de realizar análises quantitativas de forma mais precisa e mais rápida em exames com muitas informações têm impulsionado o desenvolvimento de novos métodos computacionais para a segmentação de órgãos. Neste trabalho, foi proposto um novo método unificado para a segmentação e quantificação autônoma de dois tipos de gorduras cardíacas, utilizando a rede pix2pix, uma rede generativa adversária condicional criada idealmente para realizar a tradução de imagem para imagem. As gorduras segmentadas são denominadas epicárdio e mediastinal e ficam separadas umas das outras pelo pericárdio. Experimentos diferentes foram realizados afim de se obter resultados satisfatórios em relação a segmentação, explorar as abordagens mais adequadas ao trabalhar com esta rede e avaliar o desempenho de uma arquitetura nova, poderosa e versátil. Resultados experimentais da metodologia proposta mostraram que a acurácia média em relação às gorduras epicárdicas e mediastinais é de 99,08%, com uma taxa média positiva verdadeira de 99,34%. Os índices de similaridade foram, em média, de 99,28% e 98,59%, para o F1 score e IoU, respectivamente. 2022-05-20T12:57:43Z 2022-05-20T12:57:43Z 2021-12-06 bachelorThesis SILVA, Guilherme Santos da. Segmentação de gorduras cardíacas utilizando uma rede generativa adversária condicional. 2021. Trabalho de Conclusão de Curso (Engenharia de Computação) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2021. http://repositorio.utfpr.edu.br/jspui/handle/1/28614 por openAccess https://creativecommons.org/licenses/by-nc/4.0/ application/pdf Universidade Tecnológica Federal do Paraná Pato Branco Brasil Departamento Acadêmico de Informática Engenharia de Computação UTFPR
institution	Universidade Tecnológica Federal do Paraná
collection	RIUT
language	Português
topic	Aterosclerose Aprendizado do computador Redes neurais (Computação) Morfismo (Matemática) Atherosclerosis Machine learning Neural networks (Computer science) Morphisms (Mathematics) CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
spellingShingle	Aterosclerose Aprendizado do computador Redes neurais (Computação) Morfismo (Matemática) Atherosclerosis Machine learning Neural networks (Computer science) Morphisms (Mathematics) CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Silva, Guilherme Santos da Segmentação de gorduras cardíacas utilizando uma rede generativa adversária condicional
description	In recent years, studies have shown that the increase in the amount of fat surrounding the heart was associated with a higher risk of triggering some cardiovascular diseases, such as atrial brillation and coronary heart disease. Manual segmentation of these fats has not been widely implemented in clinical practice due to the human workload required and the high cost of physicians and technicians. Therefore, the need to perform quantitative analysis more accurately and faster in exams with a lot of information has driven the development of new computational methods for organ segmentation. In this work, a new uni ed method for the autonomous segmentation and quanti cation of two types of cardiac fats was proposed, using the pix2pix network, a generative conditional adversary network ideally created to perform image-to-image translation. Segmented fats are called epicardium and mediastinal and are separated from each other by the pericardium. Different experiments were carried out to obtain satisfactory results regarding segmentation, explore the most suitable approaches when working with this network and evaluate the performance of a new, powerful and versatile architecture. Experimental results of the proposed methodology showed that the mean accuracy in relation to epicardial and mediastinal fats is 99.08%, with a true positive mean rate of 99.34%. The similarity indices were, on average, 99.28% and 98.59%, for the F1 score and IoU, respectively.
format	Trabalho de Conclusão de Curso (Graduação)
author	Silva, Guilherme Santos da
author_sort	Silva, Guilherme Santos da
title	Segmentação de gorduras cardíacas utilizando uma rede generativa adversária condicional
title_short	Segmentação de gorduras cardíacas utilizando uma rede generativa adversária condicional
title_full	Segmentação de gorduras cardíacas utilizando uma rede generativa adversária condicional
title_fullStr	Segmentação de gorduras cardíacas utilizando uma rede generativa adversária condicional
title_full_unstemmed	Segmentação de gorduras cardíacas utilizando uma rede generativa adversária condicional
title_sort	segmentação de gorduras cardíacas utilizando uma rede generativa adversária condicional
publisher	Universidade Tecnológica Federal do Paraná
publishDate	2022
citation	SILVA, Guilherme Santos da. Segmentação de gorduras cardíacas utilizando uma rede generativa adversária condicional. 2021. Trabalho de Conclusão de Curso (Engenharia de Computação) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2021.
url	http://repositorio.utfpr.edu.br/jspui/handle/1/28614
_version_	1805313861276925952
score	10,814766

Segmentação de gorduras cardíacas utilizando uma rede generativa adversária condicional

Registros relacionados