利用时间卷积网络热图像对非酒精性脂肪性肝病进行分类

Marcos Vinícius Araújo Farias, I. F. S. D. Silva, A. C. Silva, Henrique Manoel de Araújo Martins Filho, Anselmo Cardoso de Paiva
{"title":"利用时间卷积网络热图像对非酒精性脂肪性肝病进行分类","authors":"Marcos Vinícius Araújo Farias, I. F. S. D. Silva, A. C. Silva, Henrique Manoel de Araújo Martins Filho, Anselmo Cardoso de Paiva","doi":"10.5753/sbcas.2023.229802","DOIUrl":null,"url":null,"abstract":"Dentre as patologias hepáticas existentes, a Doença Hepática Gordurosa Não Alcoólica (DHGNA) é aquela que afeta a maior parcela da população mundial, aproximadamente 2 bilhões de pessoas. A DHGNA possui chances consideráveis de evoluir para quadros clínicos mais graves, como fibrose e cirrose hepática, representando sérios riscos à vida dos pacientes. Desse modo, é vital que sua detecção seja feita de maneira ágil, precisa e preferencialmente não invasiva, sendo a utilização de imagens térmicas um método de grande respaldo nesse âmbito. O presente trabalho apresenta o desenvolvimento de um modelo de classificação de DHGNA a partir de séries temporais em termografias. Foram utilizadas Temporal Convolutional Networks aliadas a estratégias de processamento de imagens na composição da proposta.","PeriodicalId":122965,"journal":{"name":"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","volume":"18 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Classificação de Doença Hepática Gordurosa Não Alcoólica em Imagens Térmicas usando Temporal Convolutional Networks\",\"authors\":\"Marcos Vinícius Araújo Farias, I. F. S. D. Silva, A. C. Silva, Henrique Manoel de Araújo Martins Filho, Anselmo Cardoso de Paiva\",\"doi\":\"10.5753/sbcas.2023.229802\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Dentre as patologias hepáticas existentes, a Doença Hepática Gordurosa Não Alcoólica (DHGNA) é aquela que afeta a maior parcela da população mundial, aproximadamente 2 bilhões de pessoas. A DHGNA possui chances consideráveis de evoluir para quadros clínicos mais graves, como fibrose e cirrose hepática, representando sérios riscos à vida dos pacientes. Desse modo, é vital que sua detecção seja feita de maneira ágil, precisa e preferencialmente não invasiva, sendo a utilização de imagens térmicas um método de grande respaldo nesse âmbito. O presente trabalho apresenta o desenvolvimento de um modelo de classificação de DHGNA a partir de séries temporais em termografias. Foram utilizadas Temporal Convolutional Networks aliadas a estratégias de processamento de imagens na composição da proposta.\",\"PeriodicalId\":122965,\"journal\":{\"name\":\"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)\",\"volume\":\"18 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-06-27\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/sbcas.2023.229802\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/sbcas.2023.229802","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

在现有的肝脏疾病中,非酒精性脂肪性肝病(nafld)影响着世界上最大的人口比例,约20亿人。nafld有相当大的机会发展为更严重的临床症状,如纤维化和肝硬化,对患者的生命构成严重威胁。因此,快速、准确、最好是非侵入性的检测是至关重要的,热成像是这一领域的一种重要支持方法。本文提出了一种基于热成像时间序列的nafld分类模型的发展。采用时间卷积网络和图像处理策略组成方案。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Classificação de Doença Hepática Gordurosa Não Alcoólica em Imagens Térmicas usando Temporal Convolutional Networks
Dentre as patologias hepáticas existentes, a Doença Hepática Gordurosa Não Alcoólica (DHGNA) é aquela que afeta a maior parcela da população mundial, aproximadamente 2 bilhões de pessoas. A DHGNA possui chances consideráveis de evoluir para quadros clínicos mais graves, como fibrose e cirrose hepática, representando sérios riscos à vida dos pacientes. Desse modo, é vital que sua detecção seja feita de maneira ágil, precisa e preferencialmente não invasiva, sendo a utilização de imagens térmicas um método de grande respaldo nesse âmbito. O presente trabalho apresenta o desenvolvimento de um modelo de classificação de DHGNA a partir de séries temporais em termografias. Foram utilizadas Temporal Convolutional Networks aliadas a estratégias de processamento de imagens na composição da proposta.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信