Dados do Trabalho

Título

Segmentação Semântica automatizada de corpos vertebrais lombares em exames de Ressonância Magnética utilizando Deep Learning.

Descrição sucinta do(s) objetivo(s)

Avaliar a eficácia do uso de uma única rede neural convolucional (YOLOv8x) para detecção e segmentação automática de corpos vertebrais da coluna lombar em exames de Ressonância Magnética (RM). Tal rede é o estado da arte da família YOLO (You Only Look Once) e foi usada para detecção, classificação e segmentação semântica dos corpos vertebrais, gerando máscaras sobre as vértebras que simplificam a implementação do modelo na prática e reduzem o custo computacional por consistir por modelo de rede única.

Material(is) e método(s)

Para realização deste trabalho foi utilizado o dataset "Spine" que integra o dataset RadImageNet, originalmente composto por 512 imagens. As imagens foram anotadas na plataforma Roboflow e, subsequentemente, ampliadas em número utilizado técnicas de Data Augmentation com múltiplas distorções geométricas, atingindo-se assim o número de imagens disponíveis para 1.116. O dataset foi então separado automaticamente em três grupos: Treinamento (981 imagens, 87,9%), Validação (103 imagens, 9,2%) e Teste 32 (32 imagens, 2,87%). Foi utilizada a rede YOLOv8 em suas versões s, n e x, sendo esta última a que apresentou o melhor resultado.

Resultados e discussão

A etapa de classificação e detecção apresentou Precisão (valor preditivo positivo) de 97,0%, Recall (sensibilidade) de 98,0% e mAP (Mean Average Precision) de 98,9%. A segmentação semântica apresentou Precisão de 94,8%, Recall de 97,1% e mAP50 de 97,8% para as fases de bounding box e Mask. Os resultados para cada vértebra individual também são promissores, com Precisão mínima de 87,5% (vértebra L1) Recall mínimo de 95,1% (vértebra L1) e mAp mínimo de 85,6% (vértebra L5). Os melhores resultados obtidos durante o treinamento foram após 408 épocas para classificação e 108 épocas para segmentação semântica.

Conclusões

Os resultados deste estudo demonstram ser promissora a utilização unicamente da YOLOv8x para detecção, classificação e segmentação da coluna lombar em exames de Ressonância Magnética. Tal ferramenta pode servir de base para uma miríade de aplicações futuras em visão Computacional, além de ter potencial impacto positivo no workflow do radiologista ou no próprio diagnóstico em estudos de RM da coluna lombar.

Palavras Chave

Imagem por Ressonância Magnética; Coluna Vertebral; Deep Learning

Arquivos