Analysis of medical images to support decision-making in the musculoskeletal field (2021)
- Authors:
- Autor USP: RAMOS, JONATHAN DA SILVA - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: RESSONÂNCIA MAGNÉTICA; IMAGEM POR RESSONÂNCIA MAGNÉTICA; DIAGNÓSTICO POR IMAGEM; DIAGNÓSTICO POR COMPUTADOR; FRATURAS; COLUNA VERTEBRAL
- Keywords: Fratura vertebral; Image segmentation; Magnetic resonance imaging; Segmentação de imagens; Vertebral fragility fracture
- Agências de fomento:
- Language: Inglês
- Abstract: Sistemas de diagnóstico auxiliado por computador, recuperação de imagens por conteúdo e a abordagem radiômica são grandes aliados no auxílio à tomada de decisão. Contudo, um passo comum entre estas abordagens é a segmentação de uma região de interesse, por exemplo, um corpo vertebral. Desenhar manualmente, de uma forma precisa, os contornos de um corpo vertebral é uma tarefa demorada e trabalhosa, tornando-se impraticável quando há uma quantidade considerável de exames a segmentar. Como consequência, ferramentas semiautomáticas, com uma interação manual mínima, se torna atrativa e impulsiona uma alta demanda para o lado computacional. Deseja-se que, em algum ponto, a interação seja mínima, com pouca ou nenhuma correção manual. Este doutorado tem a seguinte hipótese: A segmentação de corpos vertebrais em RM pode ser realizada de forma computacionalmente rápida, com interação manual reduzida e, ao mesmo tempo, apresentando resultados precisos. A validação desta hipótese foi realizada em três cenários. No primeiro cenário, consideramos a segmentação de corpos vertebrais fraturados com apenas um corte de RM, no qual foi proposto o método BGrowth, o qual apresentou uma acurácia de 96.1% com um rápido tempo de processamento; No segundo cenário, trabalhamos com a segmentação de RM volumétricas, que é uma tarefa ainda mais desafiadora devido à considerável quantidade de cortes presentes nestes exames. Foi desenvolvida uma família de métodos de segmentação, apresentando-se abordagenscada vez mais rápidas e com menor interação manual. Ao final, apenas dois ou três cortes precisaram ser anotados, entre cerca de 100 cortes, atingindo 94% de F-Measure. Para tal, foi proposta a estimativa de anotações nos cortes intermediários (EANIS), juntamente com o método FastCleverSeg, o qual apresentou o tempo de execução mais rápido e, ao mesmo tempo, resultado igual ou superior aos competidores; No terceiro cenário, realizamos a análise de pacientes com fraturas por fragilidade usando exames de RM e a abordagem radiômica. Foi proposto um método de análise de textura (BEAUT), o qual obteve uma AUC de 97% na diferenciação de pacientes com e sem fratura por fragilidade. Portanto, este doutorado contribuiu para o estado-da-arte introduzindo métodos de segmentação que apresentaram resultados promissores nos três cenários mencionados acima. As contribuições dessa tese têm um potencial para auxiliar no processo de tomada de decisão e na produção de padrão ouro para o treinamento de modelos de aprendizado profundo.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 16.07.2021
-
ABNT
RAMOS, Jonathan da Silva. Analysis of medical images to support decision-making in the musculoskeletal field. 2021. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-17082021-102307/. Acesso em: 29 jan. 2026. -
APA
Ramos, J. da S. (2021). Analysis of medical images to support decision-making in the musculoskeletal field (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-17082021-102307/ -
NLM
Ramos J da S. Analysis of medical images to support decision-making in the musculoskeletal field [Internet]. 2021 ;[citado 2026 jan. 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-17082021-102307/ -
Vancouver
Ramos J da S. Analysis of medical images to support decision-making in the musculoskeletal field [Internet]. 2021 ;[citado 2026 jan. 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-17082021-102307/ - Algoritmos de casamento de imagens com filtragem adaptativa de outliers
- FINE: improving time and precision of segmentation techniques for vertebral compression fractures in MRI
- Spine MRI texture analysis and prediction of osteoporotic vertebral fracture
- 3DBGrowth: volumetric vertebrae segmentation and reconstruction in magnetic resonance imaging
- BEAUT: a radiomic approach to identify potential lumbar fractures in magnetic resonance imaging
- A deep learning-based radiomics approach for COVID-19 detection from CXR images using ensemble learning model
- Wia-Spine: a CBIR environment with embedded radiomic features to assess fragility fractures
- Fast and smart segmentation of paraspinal muscles in magnetic resonance imaging with CleverSeg
- The UTrack framework for segmenting and measuring dermatological ulcers through telemedicine
- Semi-automatic ulcer segmentation and wound area measurement supporting telemedicine
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
