Classificação semiautomática de fraturas vertebrais benignas e malignas em imagens...
- Auxílios pontuais (curta duração)
| Processo: | 15/08778-6 |
| Linha de fomento: | Bolsas no Exterior - Estágio de Pesquisa - Mestrado |
| Vigência (Início): | 14 de setembro de 2015 |
| Vigência (Término): | 20 de dezembro de 2015 |
| Área do conhecimento: | Ciências da Saúde - Medicina - Radiologia Médica |
| Pesquisador responsável: | Marcello Henrique Nogueira-Barbosa |
| Beneficiário: | Lucas Frighetto Pereira |
| Supervisor no Exterior: | Rangaraj Mandayam Rangayyan |
| Instituição-sede: | Faculdade de Medicina de Ribeirão Preto (FMRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil |
| Local de pesquisa : | University of Calgary, Canadá |
| Vinculado à bolsa: | 14/12135-0 - Classificação semiautomática de fraturas vertebrais benignas e malignas em imagens de ressonância magnética, BP.MS |
| Assunto(s): | Processamento de imagens |
Resumo O objetivo deste projeto é aplicar técnicas de processamento de imagens médicas específicas anteriormente desenvolvidos pela equipe de pesquisa da Universidade de Calgary, no sistema de diagnóstico auxiliado por computador (CAD) de fraturas vertebrais por compressão (VCFs do inglês: Vertebral Compression Fractures) em imagens de ressonância magnética (MRI do inglês: magnetic resonance imaging) . Isto fornecerá uma análise diferente para complementar as técnicas implementadas no meu projeto de pós-graduação "classificação semi-automática de fraturas vertebrais benignos e malignos em ressonância magnética". Como parte do meu projeto de mestrado, foram incluídos 63 pacientes (38 mulheres, 25 homens, idade média de 62,25 ± 14,13 anos) com 103 corpos vertebrais com VCFs e 106 sem VCFs. Cada um destes 209 corpos vertebrais foram segmentadas manualmente usando o corte sagital mediano de MRI da coluna lombar em ponderação T1. Até o momento nós implementamos técnicas de processamento de imagem para extrair e analisar atributos de textura e contraste. Foram avaliados os 14 atributos de Haralick e, como atributos de um contraste, foi utilizado o cálculo do coeficiente de variação, skewness e kurtosis dos níveis de cinza do histograma. Testes usando o classificador k-vizinhos mais próximos (KNN do inglês: k-nearest neighbors) com k = 3, 10-folds de validação cruzada após a seleção de atributos, atingiram uma área sob a curva ROC (AUROC do inglês: area under Receiver Operating Characteristic) de 0,913 para a classificação entre VCFs benignos e malignos. As técnicas a serem adicionadas no projeto atual são o cálculo de compacidade, deficiência convexa, momentos invariantes centrais e descritores de Fourier dos corpos vertebrais. Estes são cálculos análise de forma e nossa hipótese é que eles possam auxiliar na classificação das fraturas por compressão dos corpos vertebrais. | |