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
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
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://teses.usp.br/teses/disponiveis/59/59135/tde-25092024-160356/. Acesso em: 22 mar. 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://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 mar. 22 ] Available from: https://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 mar. 22 ] Available from: https://teses.usp.br/teses/disponiveis/59/59135/tde-25092024-160356/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
