Segmentação de gliomas em imagens de ressonância magnética usando U-Net modificada

• Roney Nogueira de Sousa IFCE

DOI: https://doi.org/10.5753/ercas.2024.238512

Resumo

Neste estudo, foi verificado o desempenho de uma rede U-Net modificada para o processo de segmentação de gliomas detectados em imagens de ressonância magnética. Foi utilizado de uma base de dados pública, incorporando técnicas de aumento de dados. Após 60 épocas de treinamento, foram obtidos resultados promissores, com uma acurácia de 99,77%, IOU de 90,21%, e Dice de 98,59%.

Referências

Chollet, F. et al. (2015). Keras. [link].

Despotović, I. et al. (2015). Mri segmentation of the human brain: challenges, methods, and applications. Computational and mathematical methods in medicine, 2015.

Gavrikov, P. (2020). Visualkeras. [link].

Hunter, J. D. (2007). Matplotlib: A 2d graphics environment. Computing in Science & Engineering, 9(3):90–95.

Oren, O. et al. (2020). Artificial intelligence in medical imaging: switching from radiographic pathological data to clinically meaningful endpoints. The Lancet Digital Health, 2(9):e486–e488.

Tang, X. (2019). The role of artificial intelligence in medical imaging research. BJR—Open, 2(1):20190031.

Van Rossum, G. and Drake, F. L. (2009). Python 3 Reference Manual. CreateSpace, Scotts Valley, CA.