Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/38577
ORCID: | ![]() |
Document type: | Trabalho de Conclusão de Curso |
Access type: | Acesso Aberto |
Title: | Processamento de imagens de radiografia de mãos para a detecção automática de maturidade óssea utilizando redes neurais convolucionais |
Alternate title (s): | Hand X-ray image processing for automatic detection of bone maturity using convolutional neural networks |
Author: | Oliveira, Bianca Bertoldo de |
First Advisor: | Carneiro, Milena Bueno Pereira |
First member of the Committee: | Veiga, Antônio Cláudio Paschoarelli |
Second member of the Committee: | Medeiros, Luciano Xavier |
Summary: | A avaliação da idade óssea de pacientes pediátricos é uma prática clínica padrão para determinar sua maturidade biológica, sendo um exame de grande importância na identificação das condições de crescimento e desenvolvimento em crianças e na previsão de sua altura futura. Normalmente, esse processo envolve a revisão manual de imagens de radiografia da mão usando a abordagem Greulich-Pyle (GP) ou Tanner-Whitehouse (TW). O método GP emprega um atlas de mão padronizado como ponto de referência para estimar a idade óssea, enquanto a abordagem TW usa um sistema de pontuação baseado em várias regiões de interesse. No entanto, este método manual é demorado e propenso a erros no cálculo da idade esquelética. Portanto, um sistema inteligente de avaliação da idade óssea usando inteligência artificial poderia automatizar a tarefa repetitiva de análise de imagens. O algoritmo proposto, desenvolvido em Python com o auxílio de suas bibliotecas, tem duas etapas: primeiro, normalização da imagem e segmentação das imagens de raios-X e, em seguida, o uso de uma arquitetura de regressão de rede neural convolucional com múltiplas entradas. Este método tem se mostrado promissor não apenas para demonstrações teóricas de teor acadêmico na área de Processamento Digital de Imagens, como também para uso clínico prático, com uma taxa de erro médio de 7,31 meses, possibilitando auxiliar profissionais médicos a avaliar a idade óssea de forma objetiva. |
Abstract: | The evaluation of the bone age of pediatric patients is a standard clinical practice to determine their biological maturity, being an exam of great importance in identifying the conditions of growth and development in children and in predicting their future height. Typically, this process involves manual review of radiographic images of the hand using the Greulich-Pyle (GP) or Tanner-Whitehouse (TW) approach. The GP method employs a standardized hand atlas as the reference point for estimating bone age, while the TW approach uses a scoring system based on multiple regions of interest. However, this manual method is time consuming and prone to errors in skeletal age calculation. Therefore, an intelligent bone age assessment system using artificial intelligence could automate the repetitive task of image analysis. The proposed algorithm, developed in Python with the aid of its libraries, has two steps: first, image normalization and segmentation of the X-ray images, and then the use of a multi-input convolutional neural network regression architecture. This method has shown to be promising not only for theoretical demonstrations of academic content in the area of Digital Image Processing, but also for practical clinical use, with an average error rate of 7,31 months, making it possible to help medical professionals to assess bone age in a more accurate way. |
Keywords: | Idade óssea Inteligência artificial Redes neurais convolucionais Python Processamento digital de imagens Boneage Artificial intelligence Convolutional Neural Network Digital image processing |
Area (s) of CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA::BIOENGENHARIA::PROCESSAMENTO DE SINAIS BIOLOGICOS CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS) |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal de Uberlândia |
Quote: | OLIVEIRA, Bianca Bertoldo de. Processamento de imagens de radiografia de mãos para a detecção automática de maturidade óssea utilizando redes neurais convolucionais. 2023. 91 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Eletrônica e de Telecomunicações) – Universidade Federal de Uberlândia, Uberlândia, 2023. |
URI: | https://repositorio.ufu.br/handle/123456789/38577 |
Date of defense: | 22-Jun-2023 |
Appears in Collections: | TCC - Engenharia Eletrônica e de Telecomunicações (Uberlândia) |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
ProcessamentoImagensRadiografia.pdf | TCC | 5.73 MB | Adobe PDF | ![]() View/Open |
This item is licensed under a Creative Commons License