PPGCC/CCET

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ANDERSON MATHEUS PASSOS PAIVA
DATA: 14/02/2020
HORA: 09:00
LOCAL: Auditório do Núcleo de Computação Aplicada
TÍTULO: SEGMENTAÇÃO AUTOMÁTICA DE VÉRTEBRAS EM 3D E DIAGNÓSTICO DE FRATURAS EM IMAGENS DE RESSONÂNCIA MAGNÉTICA UTILIZANDO DENSE U-NET E XGBOOST
PALAVRAS-CHAVES: Segmentação, Diagnóstico, Vértebras, Fratura, Dense U-Net, XGBoost, Ressonância Magnética, Coluna Vertebral.
PÁGINAS: 63
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: A dor lombar é uma razão comum para visitas clínicas e o exame de ressonância magnética é frequentemente utilizado em sistemas de apoio a diagnóstico de patologias na coluna. Visando aprimorar e automatizar esse processo, este estudo propõe o uso de técnicas computacionais para a segmentação de vértebras em imagens de ressonância magnética, com o objetivo de realizar posteriores análises acerca de patologias na coluna. Para este fim, são utilizadas arquiteturas de Deep Learning e Aprendizado de Máquina: a Dense U-Net para a segmentação em 3D e CNN com XGBoost para a classificação de vértebras que apresentam ruptura ou não. Os resultados obtidos mostram que a Dense U-Net é promissora em localizar a região da vértebra, obtendo um valor de Coeficiente de Dice médio de 90,82%, superando assim vários trabalhos importantes focados no problema. A classificação também se mostrou eficiente, apresentando como melhores resultados valores de 96,88% para acurácia e 88,89% de sensibilidade.
MEMBROS DA BANCA:
Interno - 407686 - ANSELMO CARDOSO DE PAIVA
Presidente - 1225010 - ARISTOFANES CORREA SILVA
Externo ao Programa - 1819177 - STELMO MAGALHAES BARROS NETTO