Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
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.
Reconstrução de imagens utilizando aprendizado profundo e técnicas de compressive sensing
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/876651
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Farias, Mylène Christine Queiroz de | - |
| Autor(es): dc.contributor | Lima, Jonathan Alis Salgado | - |
| Autor(es): dc.contributor | alinethomaz204@gmail.com | - |
| Autor(es): dc.creator | Thomaz, Aline Alves Soares | - |
| Data de aceite: dc.date.accessioned | 2024-10-23T15:11:12Z | - |
| Data de disponibilização: dc.date.available | 2024-10-23T15:11:12Z | - |
| Data de envio: dc.date.issued | 2022-12-28 | - |
| Data de envio: dc.date.issued | 2022-12-28 | - |
| Data de envio: dc.date.issued | 2022-12-28 | - |
| Data de envio: dc.date.issued | 2022-09-23 | - |
| Fonte completa do material: dc.identifier | https://repositorio.unb.br/handle/10482/45401 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/876651 | - |
| Descrição: dc.description | Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2022. | - |
| Descrição: dc.description | O uso de imagens de ressonância magnética é amplamente difundido no diagnóstico de tumores e auxilia no tratamento de câncer, uma doença que causa a produção de células anormais que agrupam-se formando tumores e gerando metástases. Um exame de prevenção ou diagnóstico precoce de uma doença como o câncer aumentam consideravelmente suas chances de cura. É sempre importante considerar que a qualidade das imagens obtidas em exames médicos como a ressonância magnética (RMN) é de suma importância para o diagnóstico de doenças. A Engenharia, através de linhas de pesquisa como o processamento de sinais, fornece meios de aumentar a robustez frente a interferências no processamento de imagens com ferramentas como aprendizado profundo. Dentro desta vertente, o uso de redes neurais convolucionais, como a U-Net e os autoencoders, alinhados ao Compressive Sensing, tem extrema valia no desenvolvimento de sistemas de diagnósticos mais acurados a doenças tão oprobriosas. Através de testes realizados com códigos baseados em linguagem Python e utilizando imagens de exames médicos provou-se por inspeção visual e por métricas de qualidade como a razão sinal-ruído de pico e o índice de semelhança de estrutura que o uso destas técnicas é capaz de produzir resultados satisfatórios frente a tentativa de eliminar artefatos de imagem e possibilitar um diagnóstico mais contundente, incrementando o potencial de recuperação de um paciente. Para tanto, o modelo proposto conta ainda com técnicas de regularização baseadas nas normas de Compressive Sensing e em padrões de subamostragem. | - |
| Descrição: dc.description | The use of magnetic resonance imaging is widespread in the diagnosis of tumors and aids in the treatment of cancer, a disease that causes the production of abnormal cells that group together to form tumors and generate metastases. An examination for prevention or early diagnosis of a disease such as cancer considerably increases your chances of cure. It is always important to consider that the quality of the images obtained in medical examinations such as magnetic resonance imaging (MRI) is of paramount importance for the diagnosis of diseases. Engineering, through research lines such as signal processing, provides ways to increase robustness against interferences in image processing with tools such as deep learning. Within this strand, the use of convolutional neural networks, such as U-Net and autoencoders, aligned to the Compressive Sensing, has extreme value in the development of more accurate diagnosis systems to such opprobrious diseases. Through tests performed with codes based on Python language and using medical exam images, it was proven by visual inspection and quality metrics such as peak signal-to-noise ratio and structure similarity index that the use of these techniques is capable of producing satisfactory results when trying to eliminate image artifacts and enable a more accurate diagnosis, increasing the recovery potential of a patient. To this end, the proposed model also relies on regularization techniques based on the norms of Compressive Sensing and on subsampling patterns. | - |
| Descrição: dc.description | El uso de la resonancia magnética está muy extendido en el diagnóstico de tumores y ayuda en el tratamiento del cáncer, una enfermedad que provoca la producción de células anormales que se agrupan para formar tumores y generar metástasis. Un examen para la prevención o el diagnóstico precoz de una enfermedad como el cáncer aumenta considerablemente sus posibilidades de curación. Siempre es importante tener en cuenta que la calidad de las imágenes obtenidas en exámenes médicos como la resonancia magnética (RMN) es de suma importancia para el diagnóstico de enfermedades. La ingeniería, a través de líneas de investigación como el procesamiento de señales, proporciona medios para aumentar la robustez frente a las interferencias en el procesamiento de imágenes con herramientas como el aprendizaje profundo. En este contexto, el uso de redes neuronales convolucionales, como la U-Net y los autocodificadores, alineados con Compressive Sensing, tiene un valor extremo en el desarrollo de sistemas de diagnóstico más precisos para tales enfermedades oprobiosas. A través de pruebas realizadas con códigos basados en el lenguaje Python y utilizando imágenes de exámenes médicos se demostró mediante inspección visual y mediante métricas de calidad como la relación señal/ruido de pico y el índice de similitud de estructura que el uso de estas técnicas es capaz de producir resultados satisfactorios en un intento de eliminar los artefactos de imagen y permitir un diagnóstico más preciso, aumentando el potencial de recuperación de un paciente. Por lo tanto, el modelo propuesto cuenta aún con técnicas de regularización basadas en las normas de Compressive Sensing y en los padrones de subamostragem. | - |
| Descrição: dc.description | Faculdade de Tecnologia (FT) | - |
| Descrição: dc.description | Departamento de Engenharia Elétrica (FT ENE) | - |
| Descrição: dc.description | Programa de Pós-Graduação em Engenharia Elétrica | - |
| Formato: dc.format | application/pdf | - |
| Direitos: dc.rights | Acesso Aberto | - |
| Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
| Palavras-chave: dc.subject | Telecomunicações | - |
| Palavras-chave: dc.subject | Ressonância magnética | - |
| Palavras-chave: dc.subject | Aprendizado profundo | - |
| Palavras-chave: dc.subject | Compressive sensing | - |
| Palavras-chave: dc.subject | Esparsidade | - |
| Título: dc.title | Reconstrução de imagens utilizando aprendizado profundo e técnicas de compressive sensing | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional – UNB | |
Não existem arquivos associados a este item.
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:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo