skip to main content
Idioma:

Caracterização e identificação de displasias corticais focais em pacientes com epilepsia refratária através de análise de imagens estruturais de ressonância magnética nuclear

Simozo, Fabrício Henrique

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto 2018-04-11

Acesso online. A biblioteca também possui exemplares impressos.

  • Título:
    Caracterização e identificação de displasias corticais focais em pacientes com epilepsia refratária através de análise de imagens estruturais de ressonância magnética nuclear
  • Autor: Simozo, Fabrício Henrique
  • Orientador: Murta Junior, Luiz Otavio; Velasco, Tonicarlo Rodrigues
  • Assuntos: Análise De Textura; Aprendizado De Máquina; Displasia Cortical Focal; Imagens De Ressonância Magnética; Segmentação De Volumes; Focal Cortical Dysplasia; Machine Learning; Magnetic Resonance Image; Texture Analysis; Volume Segmentation
  • Notas: Tese (Doutorado)
  • Descrição: A displasia cortical focal (DCF) é uma das causas mais frequentes de epilepsia refratária. Na clínica, diferentes informações são usadas para localizar o foco epileptogênico, mas nenhum método é autossuficiente para evidenciar o local original das crises, associado com a presença da DCF. Embora haja relatos na literatura indicando alterações no padrão de distribuição de tons de cinza e morfologia dos voxels decorrentes da DCF, algumas limitações dos métodos desenvolvidos ainda impedem a utilização clínica. Nossa proposta foi investigar a capacidade de identificar DCF através de análises de espessura cortical e padrões de textura em imagens estruturais de Ressonância Magnética (RM), validando os métodos desenvolvidos a partir uma base de imagens retrospectiva, cujo tecido epileptogênico já havia sido ressecado e a DCF confirmada em análise histológica. A caracterização das DCF foi feita a partir da segmentação automática de tecido cortical saudável em conjunto com a segmentação manual da DCF feita por um especialista, e consiste na geração de mapas de característica e extração de valores de distribuições para comparação em análise estatística. Investigamos também a eficácia da detecção de DCF através do uso de algoritmos de aprendizado de máquina para classificação automática. Obtivemos precisão 0,81 e sensitividade 0,87, colocando o método desenvolvido em par com outros métodos presentes na literatura. Entretanto, foi identificada uma grande dependência do desempenho de métodos de pré-processamento, como corregistro e segmentação automática.
  • DOI: 10.11606/T.59.2018.tde-13062018-140423
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto
  • Data de criação/publicação: 2018-04-11
  • Formato: Adobe PDF
  • Idioma: Português
Links
Voltar para lista de resultados
Resultado  1 AvançarIr para próxima página

  • Realização: ABCD-USP USP   Logos de Redes Sociais: Freepik

Buscando em bases de dados remotas. Favor aguardar.