Busca avançada
Ano de início
Entree

Aprendizado profundo para segmentação hierárquica e multimodal de neuroanatomia em pacientes com tumor cerebral

Processo: 19/21964-4
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de julho de 2020
Vigência (Término): 30 de junho de 2024
Área do conhecimento:Engenharias - Engenharia Elétrica
Pesquisador responsável:Roberto de Alencar Lotufo
Beneficiário:Diedre Santos do Carmo
Instituição-sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Vinculado ao auxílio:13/07559-3 - Instituto Brasileiro de Neurociência e Neurotecnologia - BRAINN, AP.CEPID
Assunto(s):Visão computacional   Processamento de imagens   Aprendizagem profunda   Neuroanatomia   Neoplasias cerebrais

Resumo

A segmentação automatizada da neuroanatomia na Ressonância Magnética (RM) é um tópico importante no processamento de imagens médicas. Na prática, a segmentação da neuroanatomia ainda é realizada principalmente manualmente por especialistas, frequentemente com o auxílio de ferramentas automatizadas tradicionais, como o FreeSurfer. As anotações manuais são consideradas um padrão-ouro na avaliação de métodos automatizados. Os métodos automáticos atuais geralmente funcionam apenas em tarefas específicas, falhando em casos extremos que um anotador humano notaria. Neste projeto, propomos o desenvolvimento de um método automatizado capaz de executar duas tarefas diferentes: segmentação de neuroanatomia e segmentação de tumor cerebral (glioma), segmentando com precisão a neuroanatomia, levando em consideração a possível presença de glioma. Embora existam muitos métodos na literatura, a maioria se concentra em um dos dois: neuroanatomia saudável ou segmentação de tumor cerebral. Os dados de multimodalidade de exames T2 e FLAIR serão envolvidos devido à características de glioma não serem visíveis apenas nos exames T1. Pretendemos construir um grande conjunto de dados públicos e privados para avaliação de nosso método, incluindo um conjunto de dados privados de 197 volumes 3T já adquiridos internamente. Propomos uma nova abordagem hierárquica, com planos para uma nova arquitetura de segmentação baseada em recentes avanços na área de segmentação semântica. Compararemos nossa metodologia com técnicas de ponta e a submeteremos a avaliação qualitativa por parte de médicos parceiros do BRAINN. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

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)
CARMO, DIEDRE; CAMPIOTTI, ISRAEL; RODRIGUES, LIVIA; FANTINI, IRENE; PINHEIRO, GUSTAVO; MORAES, DANIEL; NOGUEIRA, RODRIGO; RITTNER, LETICIA; LOTUFO, ROBERTO. Rapidly deploying a COVID-19 decision support system in one of the largest Brazilian hospitals. HEALTH INFORMATICS JOURNAL, v. 27, n. 3 JUL 2021. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.