Publicação: Explorando modelos em cascata de CNNs e fractais para classificação de displasia oral
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
A classificação de imagens histológicas é uma tarefa que tem sido amplamente explorada nas recentes pesquisas de visão computacional. A abordagem mais estudada para esta tarefa tem sido a aplicação de aprendizado profundo por meio de modelos de Aprendizagem Profunda (AP). Entretanto, o uso de AP no contexto da classificação de imagens histológicas tem ainda algumas limitações, como a necessidade de grandes conjuntos de dados e a dificuldade de implementar um modelo generalizado capaz de classificar diferentes tipos de tecido histológico. Este trabalho, se propõe a investigar classificadores e comitês baseados em representações de atributos fractais em modelos de rede AP em cascata para avaliação de lesões da cavidade oral. A extração das características foi obtida com atributos fractais do conjunto de dados histológicos. Esses atributos são reorganizados em uma matriz a fim compor uma imagem de representação. Foram avaliados dois métodos, o primeiro consistiu em utilizar as imagens histológicas originais como entrada para os classificadores. O segundo método consistiu em fazer uso das representações fractais como entrada para os classificadores. Fazendo uso de representações fractais, foram obtidos valores da métrica acurácia que variam de 98,75% a 100,00%. Quando aplicado apenas as imagens histológicas de displasia, foram obtidas acurácias que variam de 85,89% a 96,61%. Os resultados foram relevantes e mostram que essa metodologia pode ser utilizada como forma de auxiliar especialistas da área da saúde para diagnóstico de displasia.
Abstract
Palavras-chave
Displasia, CAD, ResNet, MobileNet, Comitê, Fractal, CNN
Citação
CARVALHO, Thiago Mota. Explorando modelos em cascata de CNNs e fractais para classificação de displasia oral. 2023. 63 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2023.