Pantheon Repositório Institucional da UFRJ
Coleta, preserva e divulga a produção acadêmica digital em todas as áreas do conhecimento.
São os ativos do repositório, além de teses e dissertações da UFRJ, artigos científicos, livros eletrônicos, capítulos de livros e trabalhos apresentados em eventos por professores, pesquisadores, funcionários administrativos e alunos de mestrado e doutorado.
Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/11422/13035| Tipo: | Dissertação |
| Título: | Deep learning for corpus callosum segmentation in brain magnetic resonance images |
| Título(s) alternativo(s): | Aprendizado profundo para segmentação do corpo caloso em imagens de ressonância magnética do cérebro |
| Autor(es)/Inventor(es): | Silva, Flávio Henrique Schuindt da |
| Orientador: | Farias, Ricardo Cordeiro de |
| Resumo: | Apresentamos neste trabalho um novo método para segmentar o Corpo Caloso em imagens de ressonância magnética (MRI) usando U-Net, uma rede puramente convolucional. Treinamos a U-Net usando dois datasets públicos e validamos o modelo treinado em um conjunto de teste também obtido a partir destes datasets públicos. Os resultados são obtidos realizando comparações usando o Índice de Similaridade Estrutural (SSIM) e o coeficiente Dice entre a imagem gabarito e a imagem gerada pelo modelo. |
| Resumo: | In this work we present a novel method to segment Corpus Callosum in Magnetic Resonance Images (MRI) using U-Net, a Fully Convolutional Neural Network. We trained the U-Net using two public datasets and evaluated the trained model in a test set also obtained from these two public datasets. Results are obtained making comparisons using the Structural Similarity Index (SSIM) and Dice Coefficient between the Ground Truth and the Predicted image. |
| Palavras-chave: | Deep Learning Machine Learning Healthcare Brain MRI U-Net Image Segmentation Python Tensorflow Keras |
| Assunto CNPq: | CNPQ::ENGENHARIAS |
| Programa: | Programa de Pós-Graduação em Engenharia de Sistemas e Computação |
| Unidade produtora: | Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia |
| Editora: | Universidade Federal do Rio de Janeiro |
| Data de publicação: | Mar-2018 |
| País de publicação: | Brasil |
| Idioma da publicação: | eng |
| Tipo de acesso: | Acesso Aberto |
| Aparece nas coleções: | Engenharia de Sistemas e Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| FlavioHenriqueSchuindtDaSilva.pdf | 5.09 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.