Use este identificador para citar ou linkar para este item:
http://www.repositorio.ufal.br/jspui/handle/riufal/5725
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor1 | Almeida, Eliana Silva de | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/9613846902868406 | pt_BR |
dc.contributor.advisor-co1 | Queiroz, Fabiane da Silva | - |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/6904714912452282 | pt_BR |
dc.contributor.referee1 | Neves, Tácito Trindade de Araújo Tiburtino | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/6235762668449473 | pt_BR |
dc.contributor.referee2 | Cabral, Raquel da Silva | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/0319343616289472 | pt_BR |
dc.creator | Mendes, Yana Kellen Dioclécio | - |
dc.creator.Lattes | http://lattes.cnpq.br/0389239055097466 | pt_BR |
dc.date.accessioned | 2019-08-20T18:18:24Z | - |
dc.date.available | 2019-07-05 | - |
dc.date.available | 2019-08-20T18:18:24Z | - |
dc.date.issued | 2019-04-16 | - |
dc.identifier.citation | MENDES, Yana Kellen Dioclécio. Medidas de centralidade para classificação automática de doenças pulmonares intersticiais em imagens de tomografia computadorizada. 2019. 48 f. Dissertação (Mestrado em Modelagem Computacional do Conhecimento) – Instituto de Computação, Programa de Pós Graduação em Modelagem Computacional do Conhecimento, Universidade Federal de Alagoas, Maceió, 2019. | pt_BR |
dc.identifier.uri | http://www.repositorio.ufal.br/handle/riufal/5725 | - |
dc.description.abstract | Interstitial lung disease (ILD), also known as diffuse parenchymal disease, form a group with more than 150 different pathologies. For the diagnosis of ILD, the computed tomography scan is the most widely used image examination because it is more sensitive than chest thoracic radiography, provides more detailed images of the disease, and with that assists physicians in the your diagnosis. In addition to the computed tomography scan, Computational Vision hás been used to aid in the diagnosis, considering that this is an area that has grown considerably in the last years, especially regarding applications that use medical images. The state of the art in this area has as main characteristic the non existence of a generic algorithm that simulates the vision process, however, it is an area with very promising research involving several theories and methods, such as Complex Networks. Based on this context, presents here an automatic method for computed tomography image classification with ILD, where the images are modeled as Complex Networks and the closeness centrality measure is used to generate a vector of characteristics along with characteristics extracted by the Haralick and LBP descriptors. To validate the proposed method, a K-Nearest Neighbors (KNN) classifier was trained and compared the results obtained with traditional and current literature methods. From a dataset of 3:258 ROIs, it was possible to achieve a rating rate of 89:81%. | pt_BR |
dc.description.sponsorship | CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Alagoas | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Modelagem Computacional de Conhecimento | pt_BR |
dc.publisher.initials | UFAL | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Doenças pulmonares intersticiais | pt_BR |
dc.subject | Processamento de imagem assistida por computador | pt_BR |
dc.subject | Redes complexas | pt_BR |
dc.subject | Closeness | pt_BR |
dc.subject | Interstitial Lung Disease | pt_BR |
dc.subject | Computer-aided image processing | pt_BR |
dc.subject | Complex Networks | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | pt_BR |
dc.title | Medidas de centralidade para classificação automática de doenças pulmonares intersticiais em imagens de tomografia computadorizada | pt_BR |
dc.title.alternative | Centrality measures for automatic classification of interstitial lung diseases in computed tomography images | pt_BR |
dc.type | Dissertação | pt_BR |
dc.description.resumo | As Doenças Pulmonares Intersticiais (DPIs), também denominadas doença parenquimatosa difusa, formam um grupo com mais de 150 patologias diferentes. Para o diagnóstico das DPIs, a tomografia computadorizada é o exame de imagem mais utilizado, pois ela é mais sensível do que a radiografia torácica, fornece imagens mais detalhadas da doença, e com isso, auxilia os médicos no seu diagnóstico. Além do exame de tomografia, tem-se utilizado a Visão Computacional para auxiliar no diagnóstico, tendo em vista que esta é uma área que tem crescido consideravelmente nos últimos anos, principalmente no que concerne a aplicações que utilizam imagens médicas. O estado da arte dessa área tem como principal característica a não existência de um algoritmo genérico que simule o processo de visão, contudo, é uma área com pesquisas bastante promissoras envolvendo diversas teorias e métodos, como as Redes Complexas. Com base nesse contexto, apresenta-se aqui um método automático para classificação de imagens de tomografia computadorizada com DPIs, onde as imagens são modeladas como Redes Complexas e a medida de centralidade closeness é utilizada para gerar um vetor de características junto com características extraídas pelos descritores de Haralick e LBP. Para validar o método proposto, foi treinado um classificador K-Nearest Neighbors (KNN) e comparado os resultados obtidos com métodos tradicionais e atuais da literatura. A partir de um conjunto de dados de 3:258 ROIs, foi possível conseguir uma taxa de classificação de 89:81%. | pt_BR |
Aparece nas coleções: | Dissertações e Teses defendidas na UFAL - IC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Medidas de centralidade para classificação automática de doenças pulmonares.pdf | 2.9 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.