O câncer de próstata é o segundo tipo de câncer mais comum entre os homens e atualmente tem crescido a utilização de exames de imagens da próstata para a prevenção, diagnóstico e tratamento. A segmentação manual da próstata é extremamente demorada e propensa à variabilidade entre diferentes especialistas, o que sugere o desenvolvimento de técnicas automáticas para a segmentação da próstata. Neste trabalho, propomos um método totalmente automático para a segmentação da próstata a partir de imagens de ressonância magnética usando uma técnica de aprendizado profundo e mapa probabilístico. Os resultados experimentais aqui obtidos indicam uma segmentação satisfatória, tendo em vista que obtemos um coeficiente de similaridade de Dice médio de 85,17%.
Órgãos em risco (OARs) são tecidos saudáveis ao redor do câncer que devem ser preservados na radioterapia (RT). O coração é um dos OARs fundamentais, assim, softwares computacionais foram desenvolvidos para auxiliar os especialistas na segmentação. Neste trabalho, propõe-se um método automático para segmentação a partir da tomografia computadorizada. O método consiste em 3 etapas: (1) aquisição de banco de dados público e diversificado; (2) padronização de volume usando registro e correspondência de histograma; e (3) segmentação do coração usando atlas e U-Net com blocos residuais (ResU-Net). Assim, alcançou-se 92,53% de Dice e 84,73% de Jaccard. Com a inovação e os resultados, mostra-se que o método proposto é promissor.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.