Publicação: Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remoto
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
A displasia epitelial oral é um precursor relativamente comum do câncer de boca em que
sua progressão para o câncer varia de 6% a 36%. Existem várias técnicas de imagem empregadas
em seu diagnóstico. A análise histológica de imagens suportada pelos sistemas
computacionais mostrou-se bastante eficaz no diagnóstico da doença. Neste trabalho, é
apresentada uma abordagem para quantificar e classificar amostras de tecido bucal com
uso de redes neurais convolucionais (AlexNet, Vgg16 e ResNet) e transferência de aprendizado.
A transferência de aprendizado utilizada foi a baseada em rede, em que se emprega
a reutilização de uma parte da rede pré-treinada no domínio da fonte, para aplicação
no domínio destino. Devido ao tamanho do banco de imagens, aplicou-se uma etapa de
aumento de dados para avaliar a acurácia das arquiteturas das redes. Definiu-se 30% das
imagens, aleatoriamente selecionadas, para o grupo de teste e dentre 70% restantes, 90%
ficariam para o grupo de treinamento e outros 10% para a validação. Ao final do treinamento
obteve-se resultados relevantes, atingindo 96,56% de acurácia com a ResNet18
e 94,33% com a VGG16. Esse estudo ainda apresenta uma aplicação para dispositivos
móveis para disponibilizar ao usuário um meio de classificar imagens histológicas. Essa
aplicação é composta por um bot do Telegram e algoritmos em linguagem MatLab para as
execução das CNNs. Levando em consideração o contexto pandêmico da COVID-19, esses
resultados são considerados relevantes e essa abordagem pode ser útil como um protocolo
que contribuirá na análise de diagnóstico de lesões da cavidade oral.
Abstract
Palavras-chave
Telegram, Imagens histológicas, Cavidade oral, CNNs, Transferência de aprendizado, Dispositivos móveis
Citação
CARVALHO, Rafael Henrique de Oliveira. Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remoto. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) – Universidade Federal de Uberlândia, Uberlândia, 2021.