Quantificação de radiodermatite utilizando radiomics a partir de imagens digitais da pele (2024)
- Authors:
- Autor USP: FONSECA, MARCOS EDUARDO - FFCLRP
- Unidade: FFCLRP
- Sigla do Departamento: 591
- DOI: 10.11606/D.59.2024.tde-25092024-160356
- Subjects: APRENDIZADO COMPUTACIONAL; QUEIMADURAS; PELE; IMAGEM DIGITAL; RADIOTERAPIA
- Keywords: Aprendizagem de máquina; Aprendizagem supervisionada; Machine learning; Radiodermatitis; Radiodermite; Radiomics; Supervised learning
- Agências de fomento:
- Language: Português
- Abstract: Radiodermatite é uma das consequências do tratamento de radioterapia, pode ser classificada pela sua extensão e severidade, sendo avaliada visualmente por médicos de acordo com os critérios de toxicidade da RTOG. A aprendizagem de máquina (AM) é uma técnica amplamente utilizada a fim de otimizar tarefas. Foram estudados três modelos Naïve-Bayes, K-Nearest Neighbour, Random Forest, a escolha desses modelos foi feita a partir de quantidade de hiperparâmetros. Para a AM realizar a aprendizagem, é necessário um banco de dados, no caso, será utilizado características radiômicas e classificação da radiodermatite a partir de imagens digitais de pacientes que receberam tratamento de radioterapia na região da mama. Regiões de interesse foram delimitadas e classificadas por um médico radioterapeuta, as fotos foram convertidas para escala de cinza de duas maneiras, também foi aplicado filtros e ondaletas nas imagens, e finalmente extraídas características radiômicas. 212 fotos foram utilizadas, resultando em graus de classificação diferentes. Para a AM, a aprendizagem é influenciada pela classe majoritária, então fez-se o balanceamento pela técnica SMOTE. Com isso, tem-se o banco de dados, e separou-se a uma porcentagem de 88%/12%. 88% dos dados foram utilizados para treinamento e 12% para teste. Também se estudou a influência da quantidade de características, então utilizou-se os métodos SelectKBest e Recursive Feature Elimination para seleção das características. O melhor modelo selecionado é RF munido de imagens convertidas para cinza com filtros e ondaletas e 5 características com 0.92 de acurácia e com matriz de confusão normalizada de 1 para grau 0, 1 e 3 e 0,77 para grau 2
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2024
- Data da defesa: 15.08.2024
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
FONSECA, Marcos Eduardo. Quantificação de radiodermatite utilizando radiomics a partir de imagens digitais da pele. 2024. Dissertação (Mestrado) – Universidade de São Paulo, Ribeirão Preto, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/59/59135/tde-25092024-160356/. Acesso em: 08 jan. 2026. -
APA
Fonseca, M. E. (2024). Quantificação de radiodermatite utilizando radiomics a partir de imagens digitais da pele (Dissertação (Mestrado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/59/59135/tde-25092024-160356/ -
NLM
Fonseca ME. Quantificação de radiodermatite utilizando radiomics a partir de imagens digitais da pele [Internet]. 2024 ;[citado 2026 jan. 08 ] Available from: https://www.teses.usp.br/teses/disponiveis/59/59135/tde-25092024-160356/ -
Vancouver
Fonseca ME. Quantificação de radiodermatite utilizando radiomics a partir de imagens digitais da pele [Internet]. 2024 ;[citado 2026 jan. 08 ] Available from: https://www.teses.usp.br/teses/disponiveis/59/59135/tde-25092024-160356/
Informações sobre o DOI: 10.11606/D.59.2024.tde-25092024-160356 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
