A carregar...
Publicação
Optimização de uma ferramenta de segmentação de tecidos em imagens de ressonância magnética
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 3.66 MB | Adobe PDF |
Orientador(es)
Resumo(s)
A segmentação de tecidos cerebrais tem sido uma área de estudo importante no que toca a Imagens por Ressonância Magnética. Um diagnóstico de qualidade pode ser potenciado pela correcta identificação de lesões nos tecidos, não só em termos de saber dizer que é um tumor ou hemorragia, ou ainda um caso de degeneração da matéria branca, tecidos afectados em esclerose múltipla, mas também pela correcta avaliação volumétrica das zonas de interesse. Esta última é de particular interesse quando se pretende aferir da região foco para aquisição de imagem, aquando de um tratamento oncológico.
O método proposto nesta dissertação revela ser interessante nesta abordagem ao problema por, não só identificar as zonas lesadas dos tecidos, mas também por prever algum tipo de desenvolvimento de lesão em zonas aparentemente saudáveis, com o cálculo de probabilidades de pertença de determinados pixéis/vóxeis a várias classes de tecidos. Apresenta, ainda, outra vertente: a aplicação em imagens multi-espectrais, ou seja, obtidas com um conjunto de diversas sequências de aquisição de imagem, o que permite uma melhor validação e observação dos resultados. De facto, o algoritmo usado nesta dissertação, tanto Self Organizing Maps como o Discriminative Clustering só funciona se as imagens forem multi-espectrais. A optimização deste algoritmo mostrou resultados coerentes com os propostos na primeira implementação, em Linux, e foi criada uma interface de fácil utilização, bem como a adaptação do algoritmo para Windows, dada a anterior implementação em Linux.
Este método poderá, no futuro, ser aplicado na procura de melhorar a qualidade de imagens hospitalares, com optimizações a nível da implementação na pós-aquisição de imagem e avaliação imediata das estructuras presentes nas imagens adquiridas nos exames.
Descrição
Palavras-chave
MRI Segmentação Processamento Classificação SOM DC