Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.unb.br/handle/10482/40190
Files in This Item:
File Description SizeFormat 
CAPÍTULO_ClassificacaoImagensMedicas.pdf3,79 MBAdobe PDFView/Open
Title: Classificação de imagens médicas em modalidades usando visão computacional
Other Titles: Modality classification of medical images using computer vision
Authors: Silva, Sara Conceição de Sousa Araújo
Pedrosa, Glauco Vitor
Assunto:: Visão por computador
Aprendizado do computador
Imagens médicas - classificação
Issue Date: 2020
Publisher: Atena Editora
Citation: SILVA, Sara Conceição de Sousa Araújo; PEDROSA, Glauco Vitor. Classificação de imagens médicas em modalidades usando visão computacional. In: MARTINS, Ernane Rosa (org.). Sistemas de informação e aplicações computacionais. Ponta Grossa, PR: Atena, 2020. p. 15-25. DOI: 10.22533/at.ed.1702018082. Disponível em: https://www.atenaeditora.com.br/post-artigo/40219. Acesso em: 08 mar. 2021.
Abstract: A modalidade de uma imagem médica refere-se ao procedimento utilizado para sua geração, por exemplo: raio-X, tomografia computadorizada, angiografia, ressonância magnética etc. Geralmente, a modalidade de uma imagem médica pode ser extraída de legendas associadas às imagens, porém, em muitos casos pode acontecer dessa legenda estar ausente ou não estar anotada corretamente. Isso prejudica o especialista médico na busca por informações. Este trabalho se propõe a investigar a visão computacional para classificar automaticamente a modalidade de uma determinada imagem médica a partir de seu conteúdo visual. Para isso, foi realizada uma extensa avaliação experimental usando três descritores de características tradicionais da literatura combinados com cinco diferentes classificadores supervisionados da área de aprendizado de máquinas. Os experimentos foram realizados usando a base de dados do ImageCLEF 2013, que é composta por 5042 imagens médicas divididas em nove modalidades. Os resultados encontrados mostram que a combinação do descritor Local Binary Patterns e o classificador Random Forest obtiveram o melhor desempenho com uma acurácia de 85,92%, isso mostra o potencial da visão computacional como uma ferramenta importante para automatização de tarefas na área médica.
Abstract: The modality of a medical image refers to the procedure used for its generation, for example: X-ray, computed tomography, angiography, magnetic resonance, etc. Generally, the modality of a medical image can be extracted from captions associated with the images, however, in many cases it may happen that this caption is missing or not correctly noted. This harms the medical specialist in the search for information. This work aims to investigate the use of automatic methods based on computer vision to automatically classify the modality of a determined medical image from its visual content. For this, an extensive experimental evaluation was carried out using descriptors of classic characteristics of the literature combined with different classifiers from the machine learning area. The experiments were carried out using the ImageCLEF 2013 database, which is composed of 5042 medical images divided into nine modalities. The results found show that the combination of the descriptor Local Binary Patterns and the classifier Random Forest obtained the best performance with an accuracy of 85.92%, this shows the potential of computer vision as an important tool for automation of tasks in the medical field.
Licença:: Todo o conteúdo deste livro está licenciado sob uma Licença de Atribuição Creative Commons. Atribuição 4.0 Internacional (CC BY 4.0).
DOI: 10.22533/at.ed.1702018082
Appears in Collections:FGA - Livros e capítulos de livros

Show full item record Recommend this item " class="statisticsLink btn btn-primary" href="/handle/10482/40190/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.