Dissertação

{en_GB=Convolutional Neural Networks for the Classification of 3D Medical Images} {} EVALUATED

{pt=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., en=Medical imaging is a fundamental screening and diagnostic tool. Healthcare professionals can nowadays rely on various types of image modalities of the human body, including three-dimensional images such as magnetic resonance images. However, with increasingly more information and image complexity, the pressure that radiologists are subjected to is ever increasing, and the resulting fatigue can lead to diagnostic errors. Machine learning mechanisms have been proposed for the analysis of medical images, although most previous work has dealt with inputs involving two dimensions. This work proposes an approach based on convolutional neural networks, combined with recurrent neural networks, for the classification of three-dimensional medical images. The proposed architecture aims to extract features from the individual slices of the three-dimensional image, using a convolutional network, and correlate them with the three-dimensional nature of the original images using a recurrent neuronal network. Experiments were carried out with different architectures to classify three-dimensional images of the knee, leveraging a publicly available data-set. The results show that the main model presented in this work, based on the ResNet architecture and LSTM units, is efficient for the classification of this type of images, despite being relatively simple.}
{pt=Classificação de Imagens 3D, Aprendizagem com Redes Neuronais, Redes Neuronais Convolucionais, Inteligência Artificial, Redes Neuronais Recorrentes, en=Artificial Intelligence, 3D Image Classification, Deep Learning, Convolutional Neural Networks, Recurrent Neural Networks}

Janeiro 25, 2021, 14:0

Orientação

ORIENTADOR

Bruno Emanuel Da Graça Martins

Departamento de Engenharia Informática (DEI)

Professor Auxiliar