Segmentação de Vértebras e Diagnóstico de Fraturas em Imagens de Ressonância Magnética Utilizando U-Net 3D e Deep Belief Network

A dor lombar é uma razão comum para visitas clı́nicas e o exame de ressonância magnética é frequentemente utilizado em sistemas de apoio a di- agnóstico de patologias na coluna. Visando aprimorar e automatizar esse pro- cesso, este estudo propõe o uso de técnicas computacionais para a segmentação de vértebras em imagens de ressonância magnética, com o objetivo de realizar posteriores análises acerca de patologias na coluna. Para este fim, são utili- zadas duas arquiteturas de Deep Learning: a U-Net para a segmentação em 3D e a Deep Belief Network para a classificação de vértebras que apresen- tam ruptura ou não. Os resultados obtidos mostram que a U-Net é promissora em localizar a região da vértebra, obtendo um valor de Coeficiente de Dice médio de 89,51%, superando assim vários trabalhos importantes focados no problema. A classificação também se mostrou eficiente, com valores de 94,38% para acurácia e 88,8% de sensibilidade.