Repository logo
 
Publication

Deteção automática e caracterização da placa aterosclerótica através da imagem ultrassonográfica

2018-12Master thesis Open access
Simple item page
dc.contributor.advisorRodrigues, José Albertopt_PT
dc.contributor.advisorPereira, Liliana Isabel Encarnaçãopt_PT
dc.contributor.authorCardoso, Margarida Maria Gonçalves
dc.date.accessioned2019-12-12T10:19:44Z
dc.date.available2019-12-12T10:19:44Z
dc.date.issued2018-12
dc.descriptionMestrado em Engenharia Biomédicapt_PT
dc.description.abstractO 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.pt_PT
dc.description.abstractABSTRACT - Stroke has a big impact on modern society, being the main cause of death in Portugal. Atherosclerosis is a progressive chronic disease of the vascular system, with cellular and metabolic changes in the arterial wall. In atherosclerotic disease, vulnerable atherosclerotic plaques can be developed, thus increasing the risk of cardiovascular events. It is possible, through specific characteristics, to qualitatively classify their vulnerability. Carotid ultrasonography is widely used in the diagnosis of atherosclerotic disease, as it is a non-invasive, inexpensive imaging method and provides high-resolution images in real-time. However, the detection and segmentation of atherosclerotic plaques is subjective and is therefore considered an operator-dependent technique. In this thesis, we develop a computer-aided, fully automatic and accurate Python-based diagnostic system for the detection of the anatomical limits of the atherosclerotic plaque in the carotid arteries through two-dimensional images obtained in B-mode ultrasonography. In addition, the algorithm designed for digital image processing has the ability to characterize the atherosclerotic plaque according to the level of reflection of the ultrasound and homogeneity. The algorithm developed was applied in 4 images of different clinical cases. In 3 cases it was possible to automatically detect and characterize the different plaques, and in the fourth case, the detection was partial, evidencing limitation in the evaluation of more hypoechogenic plaques. The results demonstrated that the application of this algorithm in Python language can be used to identify and characterize carotid atherosclerotic plaques. Together with clinical evaluation, this method allows us to increase the precision and reproducibility of the technique and to help in the better therapeutic decision and prognosis of the patient.pt_PT
dc.description.versionN/Apt_PT
dc.identifier.citationCardoso MM. Deteção automática e caracterização da placa aterosclerótica através da imagem ultrassonográfica [dissertation]. Lisboa: Escola Superior de Tecnologia da Saúde de Lisboa - Instituto Superior de Engenharia de Lisboa / Instituto Politécnico de Lisboa; 2018.pt_PT
dc.identifier.urihttp://hdl.handle.net/10400.21/10837
dc.language.isoporpt_PT
dc.peerreviewedyespt_PT
dc.publisherInstituto Politécnico de Lisboa, Escola Superior de Tecnologia da Saúde de Lisboapt_PT
dc.relation.publisherversionhttp://hdl.handle.net/10400.21/10217pt_PT
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/pt_PT
dc.subjectAVCpt_PT
dc.subjectAcidente vascular cerebralpt_PT
dc.subjectArteriosclerosept_PT
dc.subjectUltrassonografiapt_PT
dc.subjectProcessamento de imagempt_PT
dc.subjectImagem digitalpt_PT
dc.subjectDeteção automáticapt_PT
dc.subjectCVApt_PT
dc.subjectStrokept_PT
dc.subjectAtherosclerosispt_PT
dc.subjectUltrasonographypt_PT
dc.subjectImage processingpt_PT
dc.subjectDigital imagept_PT
dc.subjectAutomatic detectionpt_PT
dc.titleDeteção automática e caracterização da placa aterosclerótica através da imagem ultrassonográficapt_PT
dc.typemaster thesis
dspace.entity.typePublication
rcaap.rightsopenAccesspt_PT
rcaap.typemasterThesispt_PT

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Deteção automática e caracterização da placa aterosclerótica através da imagem ultrassonográfica.pdf
Size:
1.9 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

ESTeSL - Dissertações de Mestrado