Busca avançada
Ano de início
Entree

Segmentação de estruturas cerebrais de imagens de ressonância magnética utilizando deep learning

Processo: 16/18332-8
Linha de fomento:Bolsas no Brasil - Mestrado
Vigência (Início): 01 de janeiro de 2017
Vigência (Término): 30 de setembro de 2018
Área do conhecimento:Engenharias - Engenharia Elétrica
Pesquisador responsável:Roberto de Alencar Lotufo
Beneficiário:Oeslle Alexandre Soares de Lucena
Instituição-sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Bolsa(s) vinculada(s):17/23747-5 - Tractografia baseada em deep learning para planejamento cirúrgico no tratamento de epilepsia, BE.EP.MS
Assunto(s):Aprendizagem profunda

Resumo

A necessidade de desenvolver ferramentas de segmentação de estruturas cerebrais de imagens de ressonância magnética cerebral mais rápidas, robustas e precisas que lidem com poucos parâmetros de ajuste é essencial. Visto que, a segmentação manual realizada por neurologistas é uma tarefa que consome muito tempo. Dentre os métodos automáticos, as abordagens utilizando deep learning superaram os métodos de estado da arte em muitos problemas de visão computacional. A grande desvantagem dessa abordagem é que, geralmente, há uma necessidade de grandes quantidades de dados rotulados para seu treinamento, não sendo disponível em problemas de segmentação de imagens médicas.Este projeto de pesquisa de mestrado pretende investigar o uso de técnicas de deep learning aplicado a segmentação de estruturas cerebrais de Imagens de ressonância magnética. Dois problemas especificos serão investigados: a segmentação do cérebro, também conhecido como skull-stripping, e problemas de segmentação do corpo caloso (CC). Nosso método tem como objetivo usar o algoritmo Simultaneous Truth and Performance Level Estimation (STAPLE) para gerar dados rotulados e usá-lo como entrada para uma Rede Neural Convolucional (CNN). Feito isto, iremos comparar a nossa metodologia com as técnicas de estado da arte para segmentação de cérebro e CC.Este projeto de pesquisa de mestrado pretende investigar o uso de técnicas de deep learning aplicado a segmentação de estruturas cerebrais de Imagens de ressonância magnética. Dois problemas especificos serão investigadas: a segmentação do cérebro, também conhecido como skull-stripping, e problemas de segmentação do corpo caloso (CC). Nosso método tem como objetivo usar o algoritmo Simultaneous Truth and Performance Level Estimation (STAPLE) para gerar dados rotulados e usá-lo como entrada para uma Rede Neural Convolucional (CNN). Feito isto, iremos comparar a nossa metodologia com as técnicas de estado da arte para segmentação de cérebro e CC.

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
SOUZA, ROBERTO; LUCENA, OESLLE; GARRAFA, JULIA; GOBBI, DAVID; SALUZZI, MARINA; APPENZELLER, SIMONE; RITTNER, LETICIA; FRAYNE, RICHARD; LOTUFO, ROBERTO. An open, multi-vendor, multi-field-strength brain MR dataset and analysis of publicly available skull stripping methods agreement. NeuroImage, v. 170, n. SI, p. 482-494, APR 15 2018. Citações Web of Science: 3.
Publicações acadêmicas
(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.
Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.