Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo [recurso eletrônico]
Leodécio Braz da Silva Segundo
DISSERTAÇÃO
Português
T/UNICAMP Se39c
[Classification of musculoskeletal images using deep machine learning]
Campinas, SP : [s.n.], 2021.
1 recurso online (72 p.) : il., digital, arquivo PDF.
Orientadores: Hélio Pedrini, Zanoni Dias
Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação
Resumo: Distúrbios musculoesqueléticos, muitas vezes caracterizados por dores agudas ou crônicas, limitam a capacidade de um indivíduo em realizar atividades de rotina. Os distúrbios ocorrem com frequência e determinar se um estudo radiográfico apresenta a estrutura óssea "normal" ou "anormal" é uma...
Ver mais
Resumo: Distúrbios musculoesqueléticos, muitas vezes caracterizados por dores agudas ou crônicas, limitam a capacidade de um indivíduo em realizar atividades de rotina. Os distúrbios ocorrem com frequência e determinar se um estudo radiográfico apresenta a estrutura óssea "normal" ou "anormal" é uma tarefa crítica na radiologia. Sistemas de auxílio ao diagnóstico possuem o potencial de aliviar a sobrecarga de médicos e diminuir a ocorrência de diagnósticos incorretos, entretanto, formular métodos de sucesso para a classificação automática apresenta vários desafios. Técnicas de aprendizado de máquina profundo têm sido cada vez mais aplicadas nesse tipo de problemas, com o objetivo de fornecer resultados mais precisos nas tarefas de classificação, tanto em imagens quanto em textos médicos, assim como na geração automática de relatórios médicos. Neste estudo, avaliamos o uso de diferentes redes neurais convolucionais para detectar anormalidades musculoesqueléticas por meio de exames de raios-X e averiguar o impacto de diversas técnicas aplicadas de forma incremental ao modelo. Baseado nos experimentos realizados, os melhores resultados foram obtidos por meio de uma estratégia de fusão, em que empregamos uma máquina de vetores de suporte (SVM) para combinar as saídas dos diferentes modelos utilizados. Nesta pesquisa, investigamos a influência da fusão de características de diferentes modalidades visando melhorar a detecção de anormalidades musculoesqueléticas. Os resultados obtidos indicam que utilizar uma abordagem multimodal apresenta uma melhora nos resultados quando comparado com os resultados de classificação utilizando imagens e textos individualmente. Duas bases de dados médicos disponíveis publicamente foram utilizadas nos nossos experimentos para validar as arquiteturas propostas. Diversas métricas quantitativas foram calculadas para demonstrar a eficácia da classificação de imagens musculoesqueléticas
Ver menos
Abstract: Musculoskeletal disorders, often characterized by acute or chronic pain, limit an individual's ability to perform routine activities. Musculoskeletal disorders occur frequently and determining whether a radiographic study presents the "normal" or "abnormal" bone structure is a critical...
Ver mais
Abstract: Musculoskeletal disorders, often characterized by acute or chronic pain, limit an individual's ability to perform routine activities. Musculoskeletal disorders occur frequently and determining whether a radiographic study presents the "normal" or "abnormal" bone structure is a critical task in radiology. Diagnostic aid systems have the potential to relieve physicians' overload and reduce the occurrence of incorrect diagnoses, however, formulating successful methods for automatic classification presents several challenges. Deep learning techniques have been increasingly applied to these types of problems, with the purpose of providing more accurate results in the classification tasks, both in images and medical texts, as well as in the automatic generation of medical reports. In this study, we evaluate the use of different convolutional neural networks to detect musculoskeletal abnormalities by means of X-ray examinations and investigate the impact of various techniques applied incrementally to the model. Based on the experiments carried out, the best results were obtained through a fusion strategy, in which we employ a support vector machine (SVM) to combine the outputs of the different models used. In this research, we investigated the influence of the fusion of characteristics of different modalities in order to improve the detection of musculoskeletal abnormalities. The results obtained indicate that using a multimodal approach presents an improvement in the results when compared to the classification results using images and texts individually. Two publicly available medical databases were used in our experiments to validate the proposed architectures. Several quantitative metrics were calculated to demonstrate the effectiveness of the musculoskeletal image classification
Ver menos
Requisitos do sistema: Software para leitura de arquivo em PDF
Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo [recurso eletrônico]
Leodécio Braz da Silva Segundo
Classificação de imagens musculoesqueléticas utilizando aprendizado de máquina profundo [recurso eletrônico]
Leodécio Braz da Silva Segundo