Segmentação de coração em tomografias computadorizadas utilizando atlas probabilístico e redes neurais convolucionais

Abstract

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.

Methods for segmentation of spinal cord and esophagus in radiotherapy planning computed tomography

“…We also propose the use of Atlas to reduce the scope of segmentation and, consequently, the computational load. We propose a new Res-U-Net, composed of residual blocks, dropout, leakyReLU, batch normalization, this network showed promise also reaching expressive results for COVID-19 segmentation [11] and heart [12]. Furthermore, we propose a post-processing step, which sought to reduce the false positives generated.…”

Abordagem Computacional Baseada em Deep Learning para o Diagnóstico de Endometriose Profunda através de Imagens de Ressonância Magnética

“…ACC SEN ESP PREC F1 VGG-16 0,8697 0,6463 0,8987 0,453 0,5327 VGG-19 0,8782 0,5122 0,9256 0,4719 0,4912 Resnet50 0,8739 0,5244 0,9193 0,4574 0,4886 InceptionV3 0,8922 0,4756 0,9462 0,5342 0,5032 As seguintes métricas foram utilizadas para a avaliac ¸ão dos resultados: acurácia (ACC), sensibilidade (SEN), precisão (PREC), especificidade (SPE) e F1-score (F1) [DINIZ et al 2021].…”

“…Métodos baseado em visão computacional vêm sendo desenvolvidos e trazendo resultados expressivos em várias modalidades de imagens e patologias [Diniz et al 2021, Júnior et al 2021. Isso mostra que esse tipo de abordagem pode ser crucial para patologias como a endometriose.…”

PPM-DeepLab: Módulo de Pirâmide de Pooling como Codificador da rede DeepLabV3+ para Segmentação de Rins, Cistos e Tumores Renais

“…Abordagens baseadas em aprendizado profundo têm sido amplamente aplicadas com sucesso nessa tarefa, com destaque para as redes neurais convolucionais que demonstram excelentes resultados na tarefa de segmentac ¸ão semântica em imagens médicas [Fonseca et al 2022, Teixeira et al 2022, Diniz et al 2021, Baffa et al 2021]. Destaca-se ainda, a modalidade de redes convolucionais baseadas em codificadores e decodificadores com convoluc ¸ões dilatadas, quando aplicada para segmentac ¸ão dos rins, cistos e tumores renais têm obtido ótimos resultados [Abdelrahman andViriri 2022, Oliveira et al 2022].…”