News

Banca de DEFESA: LUÍS GUILHERME TEIXEIRA DOS SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: LUÍS GUILHERME TEIXEIRA DOS SANTOS
DATA: 16/03/2018
HORA: 14:00
LOCAL: Sala de Video Conferência - NCAD
TÍTULO: Seeded Fuzzy C-means: um algoritmo de agrupamento semissupervisionado aplicado à segmentação de imagens médicas
PALAVRAS-CHAVES: aprendizado semissupervisionado, segmentação de imagens médicas, agrupamento.
PÁGINAS: 80
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Sistemas de Informação
RESUMO:

A segmentação de imagens médicas tem um grande número de aplicações no diagnóstico de doenças, como glaucoma, melanoma etc. Mas a segmentação automática destas imagens não é uma tarefa fácil. Para resolver esse problema, algumas técnicas baseadas em classificação não supervisionada e supervisionada têm sido desenvolvidas na literatura. Mas as técnicas de classificação supervisionada são mais demoradas e sensíveis ao custo devido à exigência de dados rotulados suficientes. Em contraste, técnicas de classificação não supervisionada atuam sem usar qualquer informação prévia, mas sofrem dos problemas de armadilhas locais. Assim, para superar os problemas associados às técnicas de classificação não supervisionadas e supervisionadas, propusemos um novo algoritmo de agrupamento semissupervisionado chamado Seeded Fuzzy C-means (SFc-means), usado para segmentar regiões de interesse em imagens médicas. O SFc-means é  baseado em lógica fuzzy e usa poucos dados fornecidos por um médico para segmentar essas regiões. Desta forma, o algoritmo automatiza uma das etapas mais dispendiosas do diagnóstico, levando a uma análise mais rápida. Neste trabalho, o algoritmo proposto foi avaliado em bases de leucemia, câncer de pele, câncer de colo do útero e glaucoma, doenças que podem assumir um estágio grave e irreversível caso não haja um diagnóstico rápido e preciso. Os resultados obtidos ilustram a viabilidade da aplicação do algoritmo a fim de efetivamente auxiliar os médicos na detecção das regiões, uma vez que, na maioria dos testes, obteve-se um índice Kappa “Excelente” e taxas superiores comparadas aos outros algoritmos. Além disso, os baixos valores de desvio padrão revelam a estabilidade na execução do SFc-means. A partir da eficácia nos resultados da segmentação de imagens médicas, foi realizado um teste desse algoritmo em umas das etapas de um sistema de diagnóstico do glaucoma. Esse teste também obteve resultados eficazes, se sobressaindo quando comparado à alguns métodos da literatura.


MEMBROS DA BANCA:
Interno - 1350246 - KELSON ROMULO TEIXEIRA AIRES
Interno - 1642492 - LAURINDO DE SOUSA BRITTO NETO
Presidente - 1579396 - RODRIGO DE MELO SOUZA VERAS
Externo à Instituição - WILLIAM ROBSON SCHWARTZ - UFMG
Notícia cadastrada em: 26/02/2018 10:22
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb05.ufpi.br.instancia1 29/03/2024 05:27