Aluno: Hector José Rodrigues Salgueiros (MATRÍCULA: 20219003176)
E-mail: hectorsalg@ufpi.edu.br; Período da Graduação: VII Orientador: Antonio Oseas de Carvalho Filho
12 de abril de 2024
Resumo
Contexto: A detecção automática da coluna cervical através de técnicas de
aprendizado profundo surge como uma ferramenta promissora. O modelo DeepLabV3+, com sua alta capacidade de segmentação semântica, pode ser utilizado para identificar com precisão as vértebras cervicais em imagens de raio-X. Além disso, o uso de aprendizado profundo permite que o modelo aprenda padrões complexos e sutis nas imagens, tornando-o capaz de generalizar para diferentes pacientes e variações anatômicas. Isso é fundamental para garantir resultados confiáveis e robustos em uma variedade de cenários clínicos. Problema: A radiografia é um exame de imagem comumente utilizado para avaliar essa região, mas a identificação manual das vértebras cervicais pode ser um processo demorado e sujeito a erros humanos. Além do risco do comprometimento de orgãos de risco em tratamentos com radiografia. Proposta: Neste seguimento, propõe-se a construção de um modelo de aprendi- zado profundo, especificamente utilizando a arquitetura DeepLabV3+, para desenvolver uma metodologia para detecção automática da coluna cervical em imagens de res- sonância magnética. Com isso, diminuindo a necessidade de reavaliações de exames evitando danos aos orgãos de risco, e proporcionando ao especialistas monitorarem os resultados e conduzirem seus pacientes para melhor forma de tratamento.
Palavras-chaves: DeepLavV3+, Orgãos de risco, Radiografia, Radioterapia, Aprendi-