Browsing by Author "Cardoso, Margarida Maria Gonçalves"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Deteção automática e caracterização da placa aterosclerótica através da imagem ultrassonográficaPublication . Cardoso, Margarida Maria Gonçalves; Rodrigues, José Alberto; Pereira, Liliana Isabel EncarnaçãoO Acidente Vascular Cerebral (AVC) tem um grande impacto na sociedade moderna, sendo a principal causa de morte em Portugal. A aterosclerose é uma doença crónica progressiva do sistema vascular, com alterações celulares e metabólicas na parede arterial. Na doença aterosclerótica podem ser desenvolvidas placas ateroscleróticas vulneráveis, aumentado assim, o risco de eventos cardiovasculares, sendo possível, através de características especificas, classificar de forma qualitativa a sua vulnerabilidade. A ultrassonografia bidimensional (2D) carotídea é muito utilizada no diagnóstico da doença aterosclerótica, por ser um método de imagem não invasivo, pouco dispendioso e por fornecer imagens de alta resolução em tempo real. No entanto, na prática clínica, a deteção e a caracterização das placas ateroscleróticas são realizadas subjetivamente, sendo por isso considerada uma técnica dependente do operador. Nesta tese é desenvolvido um sistema de diagnóstico assistido por computador, em linguagem Python, totalmente automático e com precisão, na deteção dos limites anatómicos da placa aterosclerótica nas artérias carótidas, através de imagens 2D obtidas em ultrassonografia modo B. Para além disso, o algoritmo concebido para o processamento de imagem digital tem a capacidade de caracterizar a placa aterosclerótica de acordo com o grau de reflexão dos ultrassons e homogeneidade. O algoritmo desenvolvido foi aplicado em 4 imagens de casos clínicos diferentes. Em 3 casos foi possível detetar e caracterizar automaticamente as diferentes placas, sendo que no quarto caso a deteção foi parcial, evidenciando limitação na avaliação de placas mais hipoecogénicas. Os resultados demonstraram que a aplicação deste algoritmo em linguagem Python pode ser utilizado para identificar e caracterizar placas ateroscleróticas carotídeas. Aliado à avaliação clínica, este método permite aumentar a precisão e reprodutibilidade da técnica, e auxiliar na melhor decisão terapêutica e prognóstico do doente.
- Deteção automática e caracterização da placa aterosclerótica através da imagem ultrassonográficaPublication . Cardoso, Margarida Maria Gonçalves; Rodrigues, José Alberto; Pereira, Liliana Isabel EncarnaçãoO Acidente Vascular Cerebral (AVC) tem um grande impacto na sociedade moderna, sendo a principal causa de morte em Portugal. A aterosclerose é uma doença crónica progressiva do sistema vascular, com alterações celulares e metabólicas na parede arterial. Na doença aterosclerótica podem ser desenvolvidas placas ateroscleróticas vulneráveis, aumentado assim, o risco de eventos cardiovasculares, sendo possível, através de características especificas, classificar de forma qualitativa a sua vulnerabilidade. A ultrassonografia bidimensional (2D) carotídea é muito utilizada no diagnóstico da doença aterosclerótica, por ser um método de imagem não invasivo, pouco dispendioso e por fornecer imagens de alta resolução em tempo real. No entanto, na prática clínica, a deteção e a caracterização das placas ateroscleróticas são realizadas subjetivamente, sendo por isso considerada uma técnica dependente do operador. Nesta tese é desenvolvido um sistema de diagnóstico assistido por computador, em linguagem Python, totalmente automático e com precisão, na deteção dos limites anatómicos da placa aterosclerótica nas artérias carótidas, através de imagens 2D obtidas em ultrassonografia modo B. Para além disso, o algoritmo concebido para o processamento de imagem digital tem a capacidade de caracterizar a placa aterosclerótica de acordo com o grau de reflexão dos ultrassons e homogeneidade. O algoritmo desenvolvido foi aplicado em 4 imagens de casos clínicos diferentes. Em 3 casos foi possível detetar e caracterizar automaticamente as diferentes placas, sendo que no quarto caso a deteção foi parcial, evidenciando limitação na avaliação de placas mais hipoecogénicas. Os resultados demonstraram que a aplicação deste algoritmo em linguagem Python pode ser utilizado para identificar e caracterizar placas ateroscleróticas carotídeas. Aliado à avaliação clínica, este método permite aumentar a precisão e reprodutibilidade da técnica, e auxiliar na melhor decisão terapêutica e prognóstico do doente.