Regras sobre o TFC - Consulte página da disciplina (EA006 - Trabalho de Fim de Curso)
Temas de Trabalho de Fim de Curso (TFC)
Desenvolvimento de aplicativos e softwares para apoio à pesquisa médica
Motivação
O Medical Image Computing Laboratory (MICLab) desenvolve métodos e algoritmos para analisar imagens e dados médicos, como por exemplo imagens de Ressonância Magnética (RM) do cérebro, de Espectroscopia por RM ou de Tomografia Computadorizada (TC) dos pulmões. Estamos interessados no desenvolvimento de métodos quantitativos aplicados às estruturas do corpo humano, juntamente com a sua identificação e segmentação automática. Porém, para que os métodos desenvolvidos passem a ser adotados pelos especialistas da área da saúde, é necessário transformá-los em ferramentas, integrando-os entre si e adicionando funcionalidades de visualização.
Objetivo
Desenvolver softwares e aplicativos para apoio de pesquisa na área da saúde. Transformar os algoritmos e métodos de inteligência artificial desenvolvidos no laboratório em ferramentas computacionais que possam ser utilizadas por especialistas da área da saúde de forma intuitiva e amigável. Os métodos serão desenvolvidos sob uma filosofia de código aberto, visando uma pesquisa interdisciplinar e translacional.
Motivação
O Medical Image Computing Laboratory (MICLab) desenvolve métodos e algoritmos para analisar imagens e dados médicos, como por exemplo imagens de Ressonância Magnética (RM) do cérebro, de Espectroscopia por RM ou de Tomografia Computadorizada (TC) dos pulmões. Estamos interessados no desenvolvimento de métodos quantitativos aplicados às estruturas do corpo humano, juntamente com a sua identificação e segmentação automática. Porém, para que os métodos desenvolvidos passem a ser adotados pelos especialistas da área da saúde, é necessário transformá-los em ferramentas, integrando-os entre si e adicionando funcionalidades de visualização.
Objetivo
Desenvolver softwares e aplicativos para apoio de pesquisa na área da saúde. Transformar os algoritmos e métodos de inteligência artificial desenvolvidos no laboratório em ferramentas computacionais que possam ser utilizadas por especialistas da área da saúde de forma intuitiva e amigável. Os métodos serão desenvolvidos sob uma filosofia de código aberto, visando uma pesquisa interdisciplinar e translacional.
Melhoria de ferramenta computacional para segmentação semi-automática de estruturas do cérebro
Motivação
A segmentação de estruturas do cérebro a partir de imagens de ressonância magnética é uma tarefa bastante complexa devido à grande variação intersujeitos. Métodos automáticos são computacionalmente custosos, demorados e normalmente necessitam de mais de uma modalidade de imagem e baseiam-se normalmente em um atlas para realizar a tarefa. Métodos manuais, por sua vez, exigem muitas horas de trabalho de especialistas treinados. Métodos semi-automáticos oferecem a vantagem de aliar o conhecimento do especialista para inicializar a tarefa com a velocidade de processamento computacional.
Objetivo
Incorporar novas funcionalidades a uma ferramenta de segmentação semi-automática desenvolvida pelo grupo. A ferramenta realiza a segmentação usando a transformada de watershed a partir de marcadores escolhidos pelo usuário. A cada nova fatia da imagem volumétrica, a ferramenta utiliza informações da segmentação obtida para a fatia anterior, diminuindo a necessidade de interação com o usuário. A ferramenta foi desenvolvida em tcl/tk.
Motivação
A segmentação de estruturas do cérebro a partir de imagens de ressonância magnética é uma tarefa bastante complexa devido à grande variação intersujeitos. Métodos automáticos são computacionalmente custosos, demorados e normalmente necessitam de mais de uma modalidade de imagem e baseiam-se normalmente em um atlas para realizar a tarefa. Métodos manuais, por sua vez, exigem muitas horas de trabalho de especialistas treinados. Métodos semi-automáticos oferecem a vantagem de aliar o conhecimento do especialista para inicializar a tarefa com a velocidade de processamento computacional.
Objetivo
Incorporar novas funcionalidades a uma ferramenta de segmentação semi-automática desenvolvida pelo grupo. A ferramenta realiza a segmentação usando a transformada de watershed a partir de marcadores escolhidos pelo usuário. A cada nova fatia da imagem volumétrica, a ferramenta utiliza informações da segmentação obtida para a fatia anterior, diminuindo a necessidade de interação com o usuário. A ferramenta foi desenvolvida em tcl/tk.