| Processo: | 14/12135-0 |
| Modalidade de apoio: | Bolsas no Brasil - Mestrado |
| Data de Início da vigência: | 01 de setembro de 2014 |
| Data de Término da vigência: | 07 de agosto de 2016 |
| Área de conhecimento: | Ciências da Saúde - Medicina - Radiologia Médica |
| Pesquisador responsável: | Marcello Henrique Nogueira Barbosa |
| Beneficiário: | Lucas Frighetto Pereira |
| Instituição Sede: | Faculdade de Medicina de Ribeirão Preto (FMRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil |
| Bolsa(s) vinculada(s): | 15/08778-6 - Classificação semiautomática de fraturas vertebrais por compressão utilizando técnicas de forma de processamento de imagens em imagens de ressonância magnética., BE.EP.MS |
| Assunto(s): | Ressonância magnética Reconhecimento de padrões Fraturas |
| Palavra(s)-Chave do Pesquisador: | Corpos Vertebrais | Fraturas | Reconhecimento de Padrões | Ressonância Magnética | Métodos avançados de análise de imagens aplicados à investigação do aparelho locomotor |
Resumo O propósito do estudo é o desenvolvimento de técnicas de Diagnóstico Auxiliado por Computador (CAD) para identificação e a classificação de fraturas vertebrais por compressão em imagens de ressonância magnética (RM). A proposta é avaliar retrospectivamente imagens de RM da coluna lombossacra realizadas na rotina clínica do Hospital Universitário de nossa Instituição. Serão utilizadas as imagens de RM ponderadas em T1 adquiridas no plano sagital. Serão incluídos no estudo exames de pacientes que foram submetidos ao exame de RM da coluna lombossacra. A extração de características será obtida a partir de uma segmentação manual dos corpos vertebrais. O padrão de referência utilizado para testar o desempenho da classificação semiautomática da presença de fraturas vertebrais será uma classificação realizada por um radiologista sênior especialista em diagnóstico por imagem da coluna vertebral e em RM. Serão extraídas as seguintes características das imagens dos corpos vertebrais lombares: área do corpo vertebral, coeficiente de variação dos níveis de cinza do histograma, Skewness, Kurtosis, Momentos e 14 atributos de Haralick. O vetor característica será utilizado como entrada para o classificador k-nearest e a rede neural. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |