Anais Do XXI Simpósio Brasileiro De Computação Aplicada À Saúde (SBCAS 2021) 2021
DOI: 10.5753/sbcas.2021.16055
|View full text |Cite
|
Sign up to set email alerts
|

Segmentação de coração em tomografias computadorizadas utilizando atlas probabilístico e redes neurais convolucionais

Abstract: Órgãos em risco (OARs) são tecidos saudáveis ao redor do câncer que devem ser preservados na radioterapia (RT). O coração é um dos OARs fundamentais, assim, softwares computacionais foram desenvolvidos para auxiliar os especialistas na segmentação. Neste trabalho, propõe-se um método automático para segmentação a partir da tomografia computadorizada. O método consiste em 3 etapas: (1) aquisição de banco de dados público e diversificado; (2) padronização de volume usando registro e correspondência de histograma; … Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1
1

Citation Types

0
1
0
3

Year Published

2021
2021
2024
2024

Publication Types

Select...
3
2
1

Relationship

0
6

Authors

Journals

citations
Cited by 6 publications
(4 citation statements)
references
References 16 publications
0
1
0
3
Order By: Relevance
“…We also propose the use of Atlas to reduce the scope of segmentation and, consequently, the computational load. We propose a new Res-U-Net, composed of residual blocks, dropout, leakyReLU, batch normalization, this network showed promise also reaching expressive results for COVID-19 segmentation [11] and heart [12]. Furthermore, we propose a post-processing step, which sought to reduce the false positives generated.…”
Section: Esophagus Segmentation Methodsmentioning
confidence: 99%
“…We also propose the use of Atlas to reduce the scope of segmentation and, consequently, the computational load. We propose a new Res-U-Net, composed of residual blocks, dropout, leakyReLU, batch normalization, this network showed promise also reaching expressive results for COVID-19 segmentation [11] and heart [12]. Furthermore, we propose a post-processing step, which sought to reduce the false positives generated.…”
Section: Esophagus Segmentation Methodsmentioning
confidence: 99%
“…ACC SEN ESP PREC F1 VGG-16 0,8697 0,6463 0,8987 0,453 0,5327 VGG-19 0,8782 0,5122 0,9256 0,4719 0,4912 Resnet50 0,8739 0,5244 0,9193 0,4574 0,4886 InceptionV3 0,8922 0,4756 0,9462 0,5342 0,5032 As seguintes métricas foram utilizadas para a avaliac ¸ão dos resultados: acurácia (ACC), sensibilidade (SEN), precisão (PREC), especificidade (SPE) e F1-score (F1) [DINIZ et al 2021].…”
Section: Redeunclassified
“…Métodos baseado em visão computacional vêm sendo desenvolvidos e trazendo resultados expressivos em várias modalidades de imagens e patologias [Diniz et al 2021, Júnior et al 2021. Isso mostra que esse tipo de abordagem pode ser crucial para patologias como a endometriose.…”
Section: Introduc ¸ãOunclassified
“…Abordagens baseadas em aprendizado profundo têm sido amplamente aplicadas com sucesso nessa tarefa, com destaque para as redes neurais convolucionais que demonstram excelentes resultados na tarefa de segmentac ¸ão semântica em imagens médicas [Fonseca et al 2022, Teixeira et al 2022, Diniz et al 2021, Baffa et al 2021]. Destaca-se ainda, a modalidade de redes convolucionais baseadas em codificadores e decodificadores com convoluc ¸ões dilatadas, quando aplicada para segmentac ¸ão dos rins, cistos e tumores renais têm obtido ótimos resultados [Abdelrahman andViriri 2022, Oliveira et al 2022].…”
Section: Introduc ¸ãOunclassified