Segmentação Automática da Próstata em Imagens de Ressonância Magnética utilizando Redes Neurais Convolucionais e Mapa Probabilístico

Abstract

O câncer de próstata é o segundo tipo de câncer mais comum entre os homens e atualmente tem crescido a utilização de exames de imagens da próstata para a prevenção, diagnóstico e tratamento. A segmentação manual da próstata é extremamente demorada e propensa à variabilidade entre diferentes especialistas, o que sugere o desenvolvimento de técnicas automáticas para a segmentação da próstata. Neste trabalho, propomos um método totalmente automático para a segmentação da próstata a partir de imagens de ressonância magnética usando uma técnica de aprendizado profundo e mapa probabilístico. Os resultados experimentais aqui obtidos indicam uma segmentação satisfatória, tendo em vista que obtemos um coeficiente de similaridade de Dice médio de 85,17%.

Performance Analysis in the Segmentation of urban asphalted roads in RGB satellite images using K-Means++ and SegNet

“…Although applicable in several areas, such as speech processing and natural language [23], CNNs are widely used in image and video processing. Among the relevant productions, it is possible to cite the one by Ferreira [24], who used CNNs to detect weeds in drone images of soybean crops; or Pereira et al [25], who developed a CNN architecture capable of segmenting brain tumors on MRIs (Magnetic Resonance Images) with enough scores to beat the Brain Tumor Segmentation Challenge 2013. Based on the work of Long et al [22], Badrinarayanan et al [5] developed the CNN SegNet.…”