Cookies
Usamos cookies para melhorar nosso site e a sua experiência. Ao continuar a navegar no site, você aceita a nossa política de cookies. Ver mais
Fechar
  • Menu
Sobre

Sobre

Comecei a minha vida académica em 2007 quando inicie a minha licenciatura em Engenharia de Computação e Instrumentação Médica, no ISEP. Depois de concluir a minha licenciatura em 2010, ingressei no mestrado em engenharia biomédica na FEUP. Durante este mestrado trabalhei sob a supervisão do professor Aurélio Campilho e desenvolvi um sistema de classificação de ultra-som usado na detecção das paredes da carotída. Após a conclusão do meu mestrado, mudei-me para a Bélgica onde fiz o meu doutorado. No meu PhD, desenvolvi um sistema que permitia aos clínicos quantificar os padrões de deformação tecidual do tendão de Aquiles em vivo.

Desde março de 2017 que comecei a minha colaboração com o INESCTEC. Trabalho no C-BER, onde estamos a desenvolver um sistema de diagnóstico assistido por computador para prevenção e diagnóstico precoce de patologias do sistema reprodutivo feminino.

Tópicos
de interesse
Detalhes

Detalhes

002
Publicações

2019

Analysis of the performance of specialists and an automatic algorithm in retinal image quality assessment

Autores
Wanderley, DS; Araujo, T; Carvalho, CB; Maia, C; Penas, S; Carneiro, A; Mendonca, AM; Campilho, A;

Publicação
2019 IEEE 6th Portuguese Meeting on Bioengineering (ENBENG)

Abstract

2019

End-to-end ovarian structures segmentation

Autores
Wanderley, DS; Carvalho, CB; Domingues, A; Peixoto, C; Pignatelli, D; Beires, J; Silva, J; Campilho, A;

Publicação
Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)

Abstract
The segmentation and characterization of the ovarian structures are important tasks in gynecological and reproductive medicine. Ultrasound imaging is typically used for the medical diagnosis within this field but the understanding of the images can be difficult due to their characteristics. Furthermore, the complexity of ultrasound data may lead to a heavy image processing, which makes the application of classical methods of computer vision difficult. This work presents the first supervised fully convolutional neural network (fCNN) for the automatic segmentation of ovarian structures in B-mode ultrasound images. Due to the small dataset available, only 57 images were used for training. In order to overcome this limitation, several regularization techniques were used and are discussed in this paper. The experiments show the ability of the fCNN to learn features to distinguish ovarian structures, achieving a Dice similarity coefficient (DSC) of 0.855 for the segmentation of the stroma and a DSC of 0.955 for the follicles. When compared with a semi-automatic commercial application for follicle segmentation, the proposed fCNN achieved an average improvement of 19%. © Springer Nature Switzerland AG 2019.

2018

3D Tendon Strain Estimation Using High-frequency Volumetric Ultrasound Images: A Feasibility Study

Autores
Carvalho, C; Slagmolen, P; Bogaerts, S; Scheys, L; D'hooge, J; Peers, K; Maes, F; Suetens, P;

Publicação
Ultrasonic Imaging

Abstract

2018

A robust anisotropic edge detection method for carotid ultrasound image processing

Autores
Rouco, J; Carvalho, C; Domingues, A; Azevedo, E; Campilho, A;

Publicação
Procedia Computer Science

Abstract

2018

Non-uniform deformation in Achilles tendon is not influenced by a change in knee angle or level of force production during isometric contractions

Autores
Bogaerts, S; De Brito Carvalho, C; Groef, D; Suetens, P; Peers, K;

Publicação
Annals of Physical and Rehabilitation Medicine

Abstract