
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
| Autor(es): dc.creator | Manesco, Joao Renato Ribeiro | - |
| Autor(es): dc.creator | Jodas, Danilo | - |
| Autor(es): dc.creator | Zanella, Mauricio Jose Grapeggia | - |
| Autor(es): dc.creator | Santos, Marcel Koenigkam | - |
| Autor(es): dc.creator | Papa, Joao Paulo | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T22:08:05Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T22:08:05Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2023-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/SIBGRAPI62404.2024.10716264 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/296970 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/296970 | - |
| Descrição: dc.description | Patient re-identification in medical imaging facilitates longitudinal studies, monitors treatment, and ensures patient privacy. Accurate patient re-identification enables clinicians to track patient progress, compare new imaging results with historical data, and ensure that the correct treatment plans are followed without compromising patient confidentiality. However, identifying similar patients presents significant challenges when dealing with low-quality images, like chest X-ray images, especially when the presence of medical equipment obscures key anatomical features. This paper introduces a Graph Matching Network-based approach for patient re-identification using chest X-ray data. By representing such images as graphs, where nodes correspond to key anatomical landmarks and edges represent spatial relationships, the Graph Matching Network can effectively model the complex dependencies within the images. In addition, we integrate superpixel as a representative feature extraction approach in a robust strategy to describe the images as a graph model. Our method is evaluated on a large-scale dataset of chest X-ray images, demonstrating its superior performance compared to other methods. Experimental results show that our approach improves the precision of patient matching by integrating a novel loss function based on the cosine distance of the graph embedding representation, enhancing its robustness against common challenges such as variations in image quality, patient posture, and imaging equipment. | - |
| Descrição: dc.description | School of Sciences São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | Bauru Medical School University of São Paulo (USP), SP | - |
| Descrição: dc.description | School of Sciences São Paulo State University (UNESP), SP | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Brazilian Symposium of Computer Graphic and Image Processing | - |
| ???dc.source???: dc.source | Scopus | - |
| Título: dc.title | Graph Feature Embeddings for Patient Re-Identification from Chest X-Ray Images | - |
| Tipo de arquivo: dc.type | aula digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: