1. RI UFLA
  2. Programas de Pós-Graduação - Teses e Dissertações
  3. Ciência da Computação - Mestrado (Dissertações)
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/4578
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSilva, Michel Melo da-
dc.date.accessioned2014-11-05T18:24:03Z-
dc.date.available2014-11-05T18:24:03Z-
dc.date.issued2014-
dc.date.submitted2014-09-05-
dc.identifier.citationSILVA, M. M. da. Uma nova abordagem para segmentação de imagens de tensores de difusão do cérebro. 2014. 94 p. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Lavras, Lavras, 2014.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/4578-
dc.descriptionDissertação apresentada a Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Ciência da Computação, área de concentração em Ciência da Computação, para obtenção do título de Mestre.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)pt_BR
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectRedes neurais artificiaispt_BR
dc.subjectImagens de ressonãncia magnéticapt_BR
dc.subjectArtificial neural networkpt_BR
dc.subjectMagnetic resonance imagingpt_BR
dc.titleUma nova abordagem para segmentação de imagens de tensores de difusão do cérebropt_BR
dc.typedissertaçãopt_BR
dc.contributor.advisor-coMenezes, Fortunato Silva-
dc.publisher.programDCC - Departamento de Ciência da Computaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.description.concentrationCiência da Computaçãopt_BR
dc.contributor.advisor1Saúde, André Vital-
dc.contributor.referee1Lacerda, Wilian Soares-
dc.contributor.referee1Campos, Mário Fernando Montenegro-
dc.description.resumoEsta dissertação de mestrado foi realizada com o objetivo de apresentar uma nova forma de segmentar em substância branca, substância cinzenta e fluido cérebro-espinhal as imagens de tensores de difusão (DTI, do inglês Difusion Tensor Image) do cérebro humano, capturadas por ressonância magnética. Doenças como, por exemplo, Alzheimer, perda de memória de longa duração, dislexia e outras estão sendo relacionadas com o volume ou a alteração do volume da substância branca e/ou cinzenta. Os métodos de segmentação apresentados na literatura até o momento não fazem uma segmentação direta com base em DTI utilizando as características intra e inter voxel ao mesmo tempo. A alternativa apresentada, na presente abordagem, _e a utilização de técnica, baseada em aprendizagem de máquina, como Redes Neurais Artificiais (RNA), para fazer uma segmentação voxel a voxel com base em características intra e intervoxel da DTI. Neste trabalho são apresentadas as características de DTI, noções básicas sobre Aquisição de Imagens de Ressonância Magnética, representação de tensores por elipsóides, noções básicas da estrutura do cérebro humano, relação entre as características e as regiões do cérebro e noções básicas sobre RNA e Análise Discriminante Linear. Os resultados dessa nova abordagem foram eficazes na segmentação do cérebro humano, com taxa de erro menor que 2% sobre alguns dos métodos utilizados para ensinar a RNA, durante o treinamento, além de contar com as vantagens de uma técnica baseada em aprendizagem de máquina. A principal contribuição deste trabalho foi mostrar a vantagem de se observar, também, as características intervoxel no processo de segmentação do cérebro. Concluiu-se que a utilização dessas características diminui o erro nas regiões de borda dos tecidos.pt_BR
dc.description.resumoThe aim of this master dissertation is to present a novel form to segment Di usion Tensor Image (DTI) captured by magnetic resonance machine. The DTI is a scan of the human brain, and it is segmented into white matter, gray matter and cerebrospinal uid. Diseases, such as Alzheimer, losing of long term memory, dyslexia and others were related to the volume or volume changes in the white matter and/or gray matter. The segmentation methods presented in the literature up to now does not perform a segmentation based on DTI using both intra and inter voxel features together. This proposed method presented here is an approach which uses techniques based on machine learning, such as Arti cial Neural Networks (ANN), to make a voxel to voxel segmentation from intra and inter voxel features of the DTI. This work presents some ideas about the features of DTI, insight of Magnetic Resonance Image acquisition, ellipsoid DTI visualization, human brain basic structures, the relationship between the characteristics and the brain regions, and insight about ANN and Linear Discriminant Analysis. The results of this new approach were e ective in segmenting the human brain, with an error rate less than 2% about one of the methods used to teach the ANN in the training process, in addition to having the advantages of a technique based on machine learning. The main contribution of this work was to show the advantage of observing both the features intervoxel on the brain segmentation process. It was concluded that the use of those features reduces the error in the edge regions of the tissues.pt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Aparece nas coleções:Ciência da Computação - Mestrado (Dissertações)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO_Uma nova abordagem para segmentação de imagens de tensores.pdf1,6 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.