Classificação de imagens médicas em modalidades usando visão computacional

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.creatorSilva, Sara Conceição de Sousa Araújo-
Autor(es): dc.creatorPedrosa, Glauco Vitor-
Data de aceite: dc.date.accessioned2021-10-14T17:42:39Z-
Data de disponibilização: dc.date.available2021-10-14T17:42:39Z-
Data de envio: dc.date.issued2021-03-08-
Data de envio: dc.date.issued2021-03-08-
Data de envio: dc.date.issued2019-
Fonte completa do material: dc.identifierhttps://repositorio.unb.br/handle/10482/40190-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/614436-
Descrição: dc.descriptionA modalidade de uma imagem médica refere-se ao procedimento utilizado para sua geração, por exemplo: raio-X, tomografia computadorizada, angiografia, ressonância magnética etc. Geralmente, a modalidade de uma imagem médica pode ser extraída de legendas associadas às imagens, porém, em muitos casos pode acontecer dessa legenda estar ausente ou não estar anotada corretamente. Isso prejudica o especialista médico na busca por informações. Este trabalho se propõe a investigar a visão computacional para classificar automaticamente a modalidade de uma determinada imagem médica a partir de seu conteúdo visual. Para isso, foi realizada uma extensa avaliação experimental usando três descritores de características tradicionais da literatura combinados com cinco diferentes classificadores supervisionados da área de aprendizado de máquinas. Os experimentos foram realizados usando a base de dados do ImageCLEF 2013, que é composta por 5042 imagens médicas divididas em nove modalidades. Os resultados encontrados mostram que a combinação do descritor Local Binary Patterns e o classificador Random Forest obtiveram o melhor desempenho com uma acurácia de 85,92%, isso mostra o potencial da visão computacional como uma ferramenta importante para automatização de tarefas na área médica.-
Descrição: dc.descriptionThe modality of a medical image refers to the procedure used for its generation, for example: X-ray, computed tomography, angiography, magnetic resonance, etc. Generally, the modality of a medical image can be extracted from captions associated with the images, however, in many cases it may happen that this caption is missing or not correctly noted. This harms the medical specialist in the search for information. This work aims to investigate the use of automatic methods based on computer vision to automatically classify the modality of a determined medical image from its visual content. For this, an extensive experimental evaluation was carried out using descriptors of classic characteristics of the literature combined with different classifiers from the machine learning area. The experiments were carried out using the ImageCLEF 2013 database, which is composed of 5042 medical images divided into nine modalities. The results found show that the combination of the descriptor Local Binary Patterns and the classifier Random Forest obtained the best performance with an accuracy of 85.92%, this shows the potential of computer vision as an important tool for automation of tasks in the medical field.-
Formato: dc.formatapplication/pdf-
Publicador: dc.publisherAtena Editora-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsTodo o conteúdo deste livro está licenciado sob uma Licença de Atribuição Creative Commons. Atribuição 4.0 Internacional (CC BY 4.0).-
Palavras-chave: dc.subjectVisão por computador-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectImagens médicas - classificação-
Título: dc.titleClassificação de imagens médicas em modalidades usando visão computacional-
Título: dc.titleModality classification of medical images using computer vision-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.