Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.137
Aluno: Mateus Baltazar de Almeida
Orientador: Prof. Tsang Ing Ren
Coorientador: Prof. Luis Filipe Alves Pereira (UFAPE)
Título: Comparações de Modelos Neurais em Redução de Ruído de Imagens de Tomografia Computadorizada
Data: 27/03/2024
Hora/Local: 8h – Virtual – Interessados em assistir favor entrar em contato com o aluno
Banca Examinadora:
Prof. Cleber Zanchettin (UFPE / Centro de Informática)
Prof. Alceu de Souza Britto Junior (PUC/PR / Programa de Pós-Graduação em Informática)
Prof. Tsang Ing Ren / Luis Filipe Alves Pereira (UFPE / Centro de Informática)
RESUMO:
Reduzir a exposição de pacientes à radiação ionizante em exames de Tomografia Computadorizada (CT) é primordial para minimizar os riscos oncogênicos, desafiando o desenvolvimento de técnicas que viabilizem imagens claras mesmo com doses baixas de radiação. A remoção eficaz de ruído das imagens médicas mediante modelos neurais surge como solução para recuperar a qualidade de imagens produzidas com menor corrente elétrica nos tubos de raio-X. Este estudo centra-se na comparação equitativa de diferentes arquiteturas de redes neurais nessa aplicação, confrontando a adequação das avaliações tradicionais, ancoradas em análises pontuais que ignoram variações experimentais, permitindo conclusões superficiais e tendenciosas, além de abordar a inconsistência entre métricas quantitativas e qualidade visual. Com ênfase nos desafios inerentes, a metodologia adotada perpassou por um controle rigoroso de hiperparâmetros, tal como o tamanho do batch e seeds, para garimpar nuances no desempenho dos modelos sob variações experimentais. As experimentações, sob um meticuloso ambiente de testes, buscaram garantir replicabilidade e entender cuidadosamente o papel das funções de perda na preservação de detalhes diagnósticos. O “Efeito MSE”, um artefato visual induzido por funções de perda pixel-wise, foi um dos delineamentos qualitativos observados, desafiando a confiabilidade das métricas tradicionais. A pesquisa evidencia a complexidade subjacente nas análises de desempenho, postulando o design de um framework que confere maior confiabilidade aos resultados, além de apontar para a necessidade de práticas de avaliação mais robustas e holísticas no campo da reconstrução de imagens médicas.
Palavras-chave: Redução de Ruído. Tomografia Computadorizada. Avaliação Holística.
Comentários desativados