SEGMENTAÇÃO DE ARTÉRIAS CORONÁRIAS EM IMAGENS DE ANGIOGRAFIA POR TOMOGRAFIA COMPUTADORIZADA UTILIZANDO REDES NEURAIS CONVOLUCIONAIS 3D
A doença arterial coronariana (DAC) é a principal causa de morte por doenças cardiovasculares no mundo. A avaliação precisa do risco de DAC é crucial para a prevenção. A angiografia por tomografia computadorizada (ATC) é um método não invasivo amplamente utilizado para diagnosticar a DAC. A segmen...
Saved in:
| Main Authors: | , , , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidade Federal do Rio Grande
2024-12-01
|
| Series: | Vetor |
| Subjects: | |
| Online Access: | https://periodicos.furg.br/vetor/article/view/18531 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | A doença arterial coronariana (DAC) é a principal causa de morte por doenças cardiovasculares no mundo. A avaliação precisa do risco de DAC é crucial para a prevenção. A angiografia por tomografia computadorizada (ATC) é um método não invasivo amplamente utilizado para diagnosticar a DAC. A segmentação precisa das artérias coronárias nas imagens de ATC é fundamental para quantificar a doença e auxiliar no diagnóstico. Neste estudo, avaliamos um conjunto de imagens de ATC disponibilizado pelo projeto ImageCAS e comparamos diferentes algoritmos de segmentação, incluindo um método de segmentação direta proposto. Avaliamos o desempenho dos algoritmos utilizando o índice de dice score, comparando os resultados com um padrão de referência (ground truth). Experimentamos diferentes resoluções de imagem para analisar o impacto no desempenho e no consumo de recursos computacionais. Além disso, propomos um método de ensemble para combinar os resultados de diferentes algoritmos, visando melhorar a precisão da segmentação. Os resultados obtidos demonstram que o método de ensemble proposto alcança um desempenho superior em comparação com os algoritmos individuais.
|
|---|---|
| ISSN: | 0102-7352 2358-3452 |