Detecção e segmentação automática de tumores cerebrais em imagens de ressonância magnética utilizando redes neurais convolucionais
Segmentação de Tumores, Redes Neurais, Visão Computacional
Tumor cerebral é uma doença grave, letal e extremamente agressiva. Por isso, é fundamental realizar a detecção precocemente para um tratamento bemsucedido, visto que a velocidade do diagnóstico está diretamente relacionada com a sobrevivência do paciente. No entanto, a complexidade dos tumores pode tornar essa tarefa complicada, pois eles podem variar em tamanho, formato e posição. Com o intuito de se obter um diagnóstico mais rápido com a análise das imagens obtidas na ressonância magnética, este trabalho apresenta os objetivos da proposta de uma dissertação de mestrado baseada em uma abordagem de rede neural convolucional. Para treinar o modelo, serão utilizadas imagens de ressonância magnética de tumores cerebrais de duas fontes disponíveis publicamente. O conjunto de dados foi pré-processado e aumentado para melhorar sua precisão. Os resultados parciais mostram que o modelo alcançou altas acurácias na segmentação de tumores cerebrais, um resultado que leva à diagnósticos mais precisos e oportunos de tumores cerebrais. Sendo assim, este trabalho mostra o potencial de modelos de redes neurais convolucionais em imagens médicas. O modelo a ser desenvolvido neste trabalho pode ser usado como uma ferramenta para ajudar clínicos no diagnóstico da doença, melhorando os resultados dos pacientes.