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 | Cámara Chávez, Guillermo | - |
Autor(es): dc.contributor | Silva, Mateus Coelho | - |
Autor(es): dc.contributor | Cámara Chávez, Guillermo | - |
Autor(es): dc.contributor | Queiroz, Rafael Alves Bonfim de | - |
Autor(es): dc.contributor | Oliveira, Thiago Eustaquio Alves de | - |
Autor(es): dc.contributor | Silva, Mateus Coelho | - |
Autor(es): dc.creator | Ziviani, Hugo Eduardo | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:36:01Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:36:01Z | - |
Data de envio: dc.date.issued | 2023-11-12 | - |
Data de envio: dc.date.issued | 2023-11-12 | - |
Data de envio: dc.date.issued | 2022 | - |
Fonte completa do material: dc.identifier | http://www.repositorio.ufop.br/jspui/handle/123456789/17730 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1019403 | - |
Descrição: dc.description | Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto. | - |
Descrição: dc.description | The proposal of this work is to propose bone suppression techniques in chest images. The most common, but inaccessible, way is through Dual Energy Subtraction (DES). This the technique requires specific hardware to generate and receive di erent energy levels capable of di erentiating materials by atomic number. This work uses GAN to perform bone suppression on X-ray images and aimed to evaluate the performance of the cGAN, train a model to locate the thoracic box, and assess two di erent training techniques for boneless image translation. Based on deep learning the main contribution of this work is to improve the bone shadow elimination delimiting the learning region of the Deep Learning (DL) model. By the contextualization of the bones region, was possible present a metric that measures the model accuracy in an interested region. With this study was possible a more precise metric to evaluate the bone suppression quality. Using the Japanese Society of Radiological Technology (JSRT) this study achieved a PSNR index of 31.604, and a similarity coe cient, known as SSIM of 0.9402. When delimiting the learning region, the results were: 31.9136 for PSNR and 0.9633 for SSIM. | - |
Descrição: dc.description | A proposta deste trabalho é propor técnicas de supressão óssea em imagens do tórax. A forma mais comum, mas inacessível, é através da Subtração de Energia Dupla (DES). Essa técnica requer hardware específico para gerar e receber diferentes níveis de energia capazes de diferenciar materiais por número atômico. Este trabalho utiliza GAN para realizar a supressão óssea em imagens de raio-x e tem como objetivo avaliar o desempenho do cGAN, treinar um modelo para localizar a região torácica e avaliar duas técnicas de treinamento diferentes para a tradução de imagens sem osso. Com base em aprendizado profundo, a principal contribuição deste trabalho é melhorar a eliminação das sombras ósseas delimitando a região de aprendizado do modelo de Aprendizado Profundo (AP). A contextualização da região dos ossos permitiu apresentar uma métrica que mede a precisão do modelo em uma região de interesse. Com este estudo, foi possível obter uma métrica mais precisa para avaliar a qualidade da supressão óssea. Utilizando a Sociedade Japonesa de Tecnologia Radiológica (JSRT), este estudo alcançou um índice PSNR de 31.604 e um coeficiente de similaridade, conhecido como SSIM, de 0.9402. Ao delimitar a região de aprendizado, os resultados foram: 31.9136 para PSNR e 0.9633 para SSIM. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | aberto | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-sa/3.0/us/ | - |
Direitos: dc.rights | Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 21/10/2023 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. | - |
Palavras-chave: dc.subject | Deep learning | - |
Palavras-chave: dc.subject | Bone suppression | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | X-ray | - |
Título: dc.title | Computational techniques to find and suppress bone from chest radiological images. | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - UFOP |
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: