Explorando SAM para segmentação Zero-Shot em MRI para classificação de Alzheimer.

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorLuz, Eduardo José da Silva-
Autor(es): dc.contributorSilva, Pedro Henrique Lopes-
Autor(es): dc.contributorLuz, Eduardo José da Silva-
Autor(es): dc.contributorSilva, Pedro Henrique Lopes-
Autor(es): dc.contributorSantos, Valeria de Carvalho-
Autor(es): dc.contributorOliveira, Roberta Barbosa-
Autor(es): dc.creatorPinheiro, Jean Christopher de Oliveira-
Data de aceite: dc.date.accessioned2025-08-21T15:57:13Z-
Data de disponibilização: dc.date.available2025-08-21T15:57:13Z-
Data de envio: dc.date.issued2024-09-30-
Data de envio: dc.date.issued2024-09-30-
Data de envio: dc.date.issued2023-
Fonte completa do material: dc.identifierhttps://www.repositorio.ufop.br/handle/123456789/18669-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1028420-
Descrição: dc.descriptionPrograma 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.descriptionEste estudo avalia o uso do Segment Anything Model (SAM) para a segmentação sem treinamento prévio de crânio no contexto da classificação da doença de Alzheimer em imagens de ressonância magnética, comparando-o com métodos convencionais de remoção do crânio, como a ferramenta de extração de cérebro do FMRIB (FSL-BET). A importância da ressonância magnética no diagnóstico de distúrbios neurodegenerativos exige uma remoção precisa do crânio para uma análise computacional aprimorada. Utilizando o conjunto de dados da Alzheimer’s Disease Neuroimaging Initiative (ADNI), examinamos a eficácia do SAM em comparação com o FSL-BET em imagens brutas. Propomos uma heurística baseada em templates para o pós-processamento das máscaras geradas pelo SAM, utilizando métricas de similaridade como Dice e Jaccard para selecionar a máscara mais adequada sem a necessidade de refinamento do modelo. Nossas avaliações qualitativas e quantitativas demonstram a superioridade do SAM na remoção do crânio e sua contribuição significativa ao processo de classificação, alcançando 70% de acurácia na classificação binária (Normal vs. Alzheimer) contra 66% da abordagem baseada no FSL-BET.-
Descrição: dc.descriptionThis study evaluates the use of the Segment Anything Model (SAM) for skull-stripping in magnetic resonance imaging (MRI) without prior training, specifically in the context of Alzheimer's disease classification, comparing it with conventional skull removal methods such as FMRIB's brain extraction tool (FSL-BET). The significance of MRI in diagnosing neurodegenerative disorders necessitates accurate skull removal for enhanced computational analysis. Utilizing the Alzheimer’s Disease Neuroimaging Initiative (ADNI) dataset, we examine the efficacy of SAM compared to FSL-BET on raw images. We propose a template-based heuristic for post-processing the masks generated by SAM, using similarity metrics such as Dice and Jaccard to select the most appropriate mask without the need for model refinement. Our qualitative and quantitative evaluations demonstrate SAM's superiority in skull removal and its significant contribution to the classification process, achieving 70% accuracy in binary classification (Normal vs. Alzheimer) compared to 66% with the FSL-BET approach.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsaberto-
Direitos: dc.rightsAttribution-ShareAlike 3.0 United States-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-sa/3.0/us/-
Direitos: dc.rightsAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 11/09/2024 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.subjectSegment anything model (SAM)-
Palavras-chave: dc.subjectSegmentação zero-shot-
Palavras-chave: dc.subjectMRI cerebral-
Palavras-chave: dc.subjectClassificação de Alzheimer-
Palavras-chave: dc.subjectADNI - Alzheimer’s disease neuroimaging initiative-
Título: dc.titleExplorando SAM para segmentação Zero-Shot em MRI para classificação de Alzheimer.-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - UFOP

Não existem arquivos associados a este item.