Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/59386
Title in Portuguese: Segmentação rápida e totalmente automática da gordura cardíaca em conjunto de dados de tomografia computadorizada
Author: Rodrigues, Douglas de Araújo
Advisor(s): Rebouças Filho, Pedro Pedrosa
Keywords: Segmentação de gordura cardíaca
Floor of Log
Tomografia Computadorizada
Issue Date: 2021
Citation: RODRIGUES, Douglas de Araújo. Segmentação rápida e totalmente automática da gordura cardíaca em conjunto de dados de tomografia computadorizada. 2021. 52 f. Dissertação (Mestrado em Engenharia de Teleinformática) – Universidade Federal do Ceará, Centro de Tecnologia, Programa de Pós-Graduação em Engenharia de Teleinformática, Fortaleza, 2021.
Abstract in Portuguese: As doenças cardíacas afetam grande parte da população mundial. Estudos mostram que essas doenças estão correlacionadas a várias condições crônicas e agudas que afetam o coração, como aterosclerose, rigidez carotídea, calcificação da artéria coronária, fibrilação atrial e muitas outras. Todas essas doenças estão relacionadas à gordura cardíaca. Um diagnóstico incorreto feito por um médico pode ser resultado de erros provenientes da segmentação da gordura do coração. O processo de segmentação manual envolve uma grande variação intra-individual e interindividual nos médicos. Além disso, essa prática leva muito tempo, pois há muitas imagens a serem analisadas por exame. Nesse contexto, este trabalho concentra seus esforços na segmentação da gordura cardíaca a partir do conjunto de dados de Tomografia Computadorizada (TC) para auxiliar o médico especialista no diagnóstico. Além da precisão, a abordagem dedica-se a diminuir o tempo de segmentação para possibilitar sua aplicação nas rotinas clínicas. A abordagem proposta consiste na utilização de um algoritmo denominado Floor of Log. A vantagem desse método é a redução significativa do tempo de segmentação. Esse trabalho utiliza Máquinas de Vetores de Suporte para aprender o melhor parâmetro da base do logaritmo. Filtros espaciais e métodos de processamento morfológico são utilizados nas etapas de pré-processamento e de pós-segmentação. Com essa abordagem, o tempo, em média, para segmentar a gordura cardíaca em um exame de TC completo foi de apenas 2,01 segundos. Diante da revisão da literatura, está abordagem é a mais rápida para segmentar um exame completo. A acurácia alcançada na segmentação foi de 93,45% e a especificidade foi 95,52%. A abordagem proposta é automática e requer menos esforço computacional. Com esses resultados, seu uso para segmentação da gordura cardíaca mostra-se eficaz e com bons tempos para a aplicação. Portanto, pode ser uma ferramenta de auxílio ao diagnóstico médico e, consequentemente, pode ajudar os especialistas a obterem diagnósticos mais rápidos e precisos.
Abstract: Heart disease affects a large part of the world population. Studies show that these diseases are correlated with several chronic and acute conditions that affect the heart, such as atherosclerosis, carotid stiffness, coronary artery calcification, atrial fibrillation, and many others. All of these diseases are related to heart fat. An incorrect diagnosis made by a doctor can be the result of errors in segmenting heart fat. The process of manual segmentation involves a great deal of intra-individual and inter-individual variation in doctors. Also, this practice takes a long time, as there are many images to be analyzed by exam. In this context, this work focuses on the segmentation of cardiac fat from the Computed Tomography (CT) data set to assist the physician who is a specialist in the diagnosis. In addition to precision, the approach is dedicated to the segmentation time to enable its application in clinical routines. The proposed approach consists of using an algorithm called Floor of Log. The advantage of this method is the significant reduction in the segmentation time. This work uses Support Vector Machines to learn the best parameter of the base of the logarithm. Spatial filters and morphological processing methods are like pre-processing and post-segmentation techniques. With this approach, the average time to segment cardiac fat on a complete CT scan was just 2.01 seconds. Given the architecture review, this approach is the fastest to segment a complete exam. The precision achieved in the segmentation was 93.45%, and the specificity was 95.52%. The proposed approach is automatic and requires less computational effort. With these results, its use for cardiac fat segmentation proves to be effective and with good application times. Therefore, it can be a tool to aid medical diagnosis and, consequently, it can help specialists to obtain faster and more accurate diagnoses.
URI: http://www.repositorio.ufc.br/handle/riufc/59386
metadata.dc.type: Dissertação
Appears in Collections:DETE - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2021_dis_darodrigues.pdf7,66 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.