Dissertação

Convolutional Neural Networks for the Classification of 3D Medical Images EVALUATED

Imagiologia médica é nos dias de hoje uma ferramenta fundamental de triagem e diagnóstico, que fornece vários tipos de imagem do corpo humano, inclusivamente imagens em três dimensões, como por exemplo a modalidade ressonância magnética. Porém com o aumento de informação e da complexidade das imagens, a pressão à qual os radiologistas estão sujeitos é cada vez maior, pelo que a fadiga pode levar a erros de diagnóstico. Mecanismos de aprendizagem automática têm sido propostos para a análise destas imagens, embora em duas dimensões. Esta dissertação propõe uma abordagem baseada em redes neuronais convolucionais pré treinadas, combinadas com redes neuronais recorrentes para a classificação de imagens médicas tridimensionais. Esta arquitectura proposta pretende extrair características dos cortes individuais da imagem tridimensional, com a rede convolucional, e relacionar as características extraídas com a natureza tridimensional da imagem original usando redes neuronais recorrente. Foram realizadas experiências com diversas arquitecturas para classificar imagens tridimensionais do joelho. Os resultados mostram que o modelo apresentado nesta dissertação, baseado na arquitectura ResNet e em unidades LSTM, é eficiente para a classificação deste tipo de imagens, apesar de ser relativamente simples.
Classificação de Imagens 3D, Aprendizagem com Redes Neuronais, Redes Neuronais Convolucionais, Inteligência Artificial, Redes Neuronais Recorrentes

Janeiro 25, 2021, 14:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Bruno Emanuel Da Graça Martins

Departamento de Engenharia Informática (DEI)

Professor Auxiliar