Registro de imagens de retina via aprendizado profundo não-supervisionado

Página do item simplificado
dc.contributor.advisorCasaca, Wallace Correa de Oliveira [UNESP]
dc.contributor.authorBenvenuto, Giovana Augusta
dc.contributor.institutionUniversidade Estadual Paulista (Unesp)
dc.date.accessioned2022-04-04T19:27:09Z
dc.date.available2022-04-04T19:27:09Z
dc.date.issued2022-03-03
dc.description.abstractO problema de registro de imagens consiste em encontrar uma transformação geométrica que possibilite alinhar duas ou mais imagens. Este problema é importante no contexto médico, onde é comum o uso de exames recorrentes a partir da captura e armazenamento de imagens a fim de amparar diagnósticos e monitorar o progresso de doenças, principalmente em especialidades como a oftalmologia. Nessa frente, são utilizadas imagens de retina (fundus) que, em diversas circunstâncias, precisam ser comparadas com imagens adquiridas em diferentes instantes ou, ainda, por aparelhos distintos, o que torna essa tarefa difícil de ser conduzida manualmente. Os avanços da tecnologia permitiram um crescimento na literatura de registro de imagens, que emprega técnicas de Inteligência Artificial para a resolução desse problema. Apesar dos recentes progressos nessa linha, não há um consenso a respeito de uma metodologia ideal para uso sistemático diário de uma ferramenta de registro por profissionais oftalmologistas. Neste trabalho, foi abordada a classe de imagens médicas de fundus a partir da proposta de um framework computacional para realizar a tarefa de registro por meio de uma Rede Neural Convolucional combinada a um módulo de Transformação Espacial. Uma métrica de similaridade foi também explorada para calcular a perda da rede, de forma a originar um pipeline de aprendizado completamente não-supervisionado, isto é, que descarta o uso de dados de ground-truth na realização desta tarefa. Os experimentos realizados demonstraram que o método proposto, depois de treinado, foi capaz de lidar com diferentes categorias de imagens de fundus, apresentando resultados superiores quando comparado com métodos recentes de Otimização e de Aprendizado Profundo presentes na literatura.pt
dc.description.abstractThe image registration problem consists of finding a geometric transformation which aligns a given set of images. Such a problem is important in the medical context, where it the use of exams taken from images is a common task in order to support diagnoses and monitor the progress of diseases, especially in specialties such as ophthalmology. On this field of study, retinal (fundus) images are used under different circumstances, as they have to be compared with other particular images acquired at different times or even by different devices, which makes this task difficult to be carried out manually. Advances in technology have allowed a growth in the registration literature, which employs Artificial intelligence techniques to solve such a problem. Despite recent progress in this area, there is no consensus on an ideal methodology for the systematic daily use of a registration tool by ophthalmic professionals. Therefore, in this work, we introduce a framework for registering fundus images by combining a Convolutional Neural Network with a Spatial Transformation module. We also take a similarity metric to calculate the loss of network in order to have a fully unsupervised pipeline, thus discarding the use of ground-truth data when carrying out the registration task. From an extensive battery of experimental tests, we conclude that our trained model was capable of dealing with different categories of fundus images while surpassing recent optimization and Deep Learning-based methods from the registration literature.en
dc.description.sponsorshipConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
dc.description.sponsorshipFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)
dc.description.sponsorshipIdFAPESP: 2019/26288-7
dc.identifier.capes33004153073P2
dc.identifier.urihttp://hdl.handle.net/11449/217619
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.subjectRedes neurais (computação)pt
dc.subjectProcessamento de imagenspt
dc.subjectProcessamento de imagem assistida por computadorpt
dc.subjectRetinapt
dc.subjectNeural networks (computer science)en
dc.subjectImage processingen
dc.subjectComputer-assisted image processingen
dc.subjectRetinaen
dc.titleRegistro de imagens de retina via aprendizado profundo não-supervisionadopt
dc.title.alternativeRetinal images registration via unsupervised deep learningen
dc.typeDissertação de mestrado
unesp.campusUniversidade Estadual Paulista (Unesp), Faculdade de Ciências e Tecnologia, Presidente Prudentept
unesp.embargoOnlinept
unesp.examinationboard.typeBanca públicapt
unesp.graduateProgramCiência da Computação - FCTpt
unesp.knowledgeAreaComputação científicapt
unesp.researchAreaInteligência Artificialpt

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
benvenuto_ga_me_prud.pdf
Tamanho:
17.3 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.97 KB
Formato:
Item-specific license agreed upon to submission
Descrição:

Coleções

Faculdade de Ciências e Tecnologia, Presidente Prudente