Dissertação
Using a Siamese Network to Accurately Detect Ischemic Stroke in Computed Tomography Scans EVALUATED
O procedimento de diagnóstico do acidente vascular cerebral (AVC), uma das principais causas de morte no mundo, envolve a aquisição de imagens de tomografias computadorizadas cerebrais, tornando possível avaliar a gravidade do AVC, o tipo e a localização da lesão. O facto de o cérebro ter dois hemisférios com elevado nível de semelhança anatómica e, portanto, apresentando simetria significativa, levou a que fosse desenvolvida uma extensa investigação baseada no pressuposto de que a diminuição da simetria está diretamente relacionada com a presença de patologias. Este trabalho foca-se na análise da simetria (ou falta dela) dos dois hemisférios cerebrais e na utilização desta informação para a classificação das tomografias computadorizadas de doentes com AVC. O objetivo é contribuir para o processo de identificação automática de lesões cerebrais causadas por episódios de AVC. Para realizar esta tarefa, utilizou-se a Rede Siamesa, que é composta por duas redes neuronais paralelas que partilham os mesmos pesos. A rede recebe uma dupla imagem (a imagem original e a imagem espelhada) e um rótulo que identifica a existência ou não de AVC. Posteriormente, a rede extrai as caraterísticas mais relevantes e classifica as imagens tendo em conta a sua semelhança. Esta rede pode ser utilizada para classificar novas imagens, de acordo com o nível de simetria observado, numa das duas classes existentes: existência de AVC ou ausência de AVC. A precisão do método proposto é de, aproximadamente, 72%, o que permite superar, significativamente, a arquitetura padrão da rede convolucional, que foi utilizada como base de comparação.
junho 27, 2022, 18:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Arlindo Manuel Limede de Oliveira
Departamento de Engenharia Informática (DEI)
Professor Catedrático