Otimização da parametrização em exames de FMD utilizando aprendizado profundo (2024)
- Authors:
- Autor USP: NOVO, LUCAS HENRIQUE CASTELO - ICMC
- Unidade: ICMC
- Subjects: INTELIGÊNCIA ARTIFICIAL; REDES NEURAIS; PROCESSAMENTO DE IMAGENS; DOENÇAS CARDIOVASCULARES
- Keywords: FMD; DEXINED; HED; FMDVIEW
- Language: Português
- Abstract: Exame de FMD envolve a avaliação da função endotelial realizada pela Dilatação Mediada pelo Fluxo (FMD do inglês: Flow-Mediated Dilation). Este é um método não invasivo, confiável e de fácil execução que utiliza a ultrassonografia de alta resolução para avaliar a resposta vascular ao estresse de cisalhamento (hiperemia reativa). Mesmo na ausência de obstrução coronariana importante, a disfunção endotelial pode provocar isquemia miocárdica. Portanto, esta avaliação pode ser utilizada em pesquisas clínicas para avaliar a progressão da doença aterosclerótica possibilitando intervenções precoces em casos de disfunção endotelial. Entretanto, esta técnica apresenta algumas limitações e requer técnicas precisas de medição, pois a interpretação dos dados pode ser influenciada pela habilidade do operador e/ou pela condição do paciente e requer também a presença de um especialista com muita experiência na área. Neste trabalho, é realizada uma investigação sobre como aprimorar o exame de FMD visando torná-lo mais preciso com o uso de técnicas de Inteligência Artificial (IA) para detecção de bordas, visando minimizar as interferências causadas por artefatos presentes nas imagens de ultrassom da artéria. Dentre os desafios desta técnica encontra-se a dificuldade de detecção de bordas arteriais, por exemplos como detecção de artefatos na imagem, inclinação arterial e tônus vascular dentre outros. Resultados obtidos mostram que modelos de redes neurais profundas combinadas com técnicas de processamento de imagens podem contribuir para a melhoria do exame de FMD.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
-
ABNT
NOVO, Lucas Henrique Castelo. Otimização da parametrização em exames de FMD utilizando aprendizado profundo. 2024. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2024. Disponível em: https://bdta.abcd.usp.br/directbitstream/21267212-eed4-4cf7-9718-13863f5a589c/Lucas_Novo.pdf. Acesso em: 21 mar. 2025. -
APA
Novo, L. H. C. (2024). Otimização da parametrização em exames de FMD utilizando aprendizado profundo (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/21267212-eed4-4cf7-9718-13863f5a589c/Lucas_Novo.pdf -
NLM
Novo LHC. Otimização da parametrização em exames de FMD utilizando aprendizado profundo [Internet]. 2024 ;[citado 2025 mar. 21 ] Available from: https://bdta.abcd.usp.br/directbitstream/21267212-eed4-4cf7-9718-13863f5a589c/Lucas_Novo.pdf -
Vancouver
Novo LHC. Otimização da parametrização em exames de FMD utilizando aprendizado profundo [Internet]. 2024 ;[citado 2025 mar. 21 ] Available from: https://bdta.abcd.usp.br/directbitstream/21267212-eed4-4cf7-9718-13863f5a589c/Lucas_Novo.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Lucas_Novo.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
