
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 | Menezes, Fortunato Silva | - |
| Autor(es): dc.contributor | Saúde, André Vital | - |
| Autor(es): dc.contributor | Lacerda, Wilian Soares | - |
| Autor(es): dc.contributor | Campos, Mário Fernando Montenegro | - |
| Autor(es): dc.creator | Silva, Michel Melo da | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:58:20Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:58:20Z | - |
| Data de envio: dc.date.issued | 2014-11-05 | - |
| Data de envio: dc.date.issued | 2014-11-05 | - |
| Data de envio: dc.date.issued | 2014 | - |
| Data de envio: dc.date.issued | 2014-09-05 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/4578 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1151535 | - |
| Descrição: dc.description | Dissertação apresentada a Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Ciência da Computação, área de concentração em Ciência da Computação, para obtenção do título de Mestre. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | Ciência da Computação | - |
| Descrição: dc.description | The aim of this master dissertation is to present a novel form to segment Di usion Tensor Image (DTI) captured by magnetic resonance machine. The DTI is a scan of the human brain, and it is segmented into white matter, gray matter and cerebrospinal uid. Diseases, such as Alzheimer, losing of long term memory, dyslexia and others were related to the volume or volume changes in the white matter and/or gray matter. The segmentation methods presented in the literature up to now does not perform a segmentation based on DTI using both intra and inter voxel features together. This proposed method presented here is an approach which uses techniques based on machine learning, such as Arti cial Neural Networks (ANN), to make a voxel to voxel segmentation from intra and inter voxel features of the DTI. This work presents some ideas about the features of DTI, insight of Magnetic Resonance Image acquisition, ellipsoid DTI visualization, human brain basic structures, the relationship between the characteristics and the brain regions, and insight about ANN and Linear Discriminant Analysis. The results of this new approach were e ective in segmenting the human brain, with an error rate less than 2% about one of the methods used to teach the ANN in the training process, in addition to having the advantages of a technique based on machine learning. The main contribution of this work was to show the advantage of observing both the features intervoxel on the brain segmentation process. It was concluded that the use of those features reduces the error in the edge regions of the tissues. | - |
| Descrição: dc.description | Esta dissertação de mestrado foi realizada com o objetivo de apresentar uma nova forma de segmentar em substância branca, substância cinzenta e fluido cérebro-espinhal as imagens de tensores de difusão (DTI, do inglês Difusion Tensor Image) do cérebro humano, capturadas por ressonância magnética. Doenças como, por exemplo, Alzheimer, perda de memória de longa duração, dislexia e outras estão sendo relacionadas com o volume ou a alteração do volume da substância branca e/ou cinzenta. Os métodos de segmentação apresentados na literatura até o momento não fazem uma segmentação direta com base em DTI utilizando as características intra e inter voxel ao mesmo tempo. A alternativa apresentada, na presente abordagem, _e a utilização de técnica, baseada em aprendizagem de máquina, como Redes Neurais Artificiais (RNA), para fazer uma segmentação voxel a voxel com base em características intra e intervoxel da DTI. Neste trabalho são apresentadas as características de DTI, noções básicas sobre Aquisição de Imagens de Ressonância Magnética, representação de tensores por elipsóides, noções básicas da estrutura do cérebro humano, relação entre as características e as regiões do cérebro e noções básicas sobre RNA e Análise Discriminante Linear. Os resultados dessa nova abordagem foram eficazes na segmentação do cérebro humano, com taxa de erro menor que 2% sobre alguns dos métodos utilizados para ensinar a RNA, durante o treinamento, além de contar com as vantagens de uma técnica baseada em aprendizagem de máquina. A principal contribuição deste trabalho foi mostrar a vantagem de se observar, também, as características intervoxel no processo de segmentação do cérebro. Concluiu-se que a utilização dessas características diminui o erro nas regiões de borda dos tecidos. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | UNIVERSIDADE FEDERAL DE LAVRAS | - |
| Publicador: dc.publisher | DCC - Departamento de Ciência da Computação | - |
| Publicador: dc.publisher | UFLA | - |
| Publicador: dc.publisher | BRASIL | - |
| Direitos: dc.rights | acesso aberto | - |
| Palavras-chave: dc.subject | Redes neurais artificiais | - |
| Palavras-chave: dc.subject | Imagens de ressonãncia magnética | - |
| Palavras-chave: dc.subject | Artificial neural network | - |
| Palavras-chave: dc.subject | Magnetic resonance imaging | - |
| Palavras-chave: dc.subject | CNPQ_NÃO_INFORMADO | - |
| Título: dc.title | Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebro | - |
| Tipo de arquivo: dc.type | dissertação | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: