Publicação: Modelo híbrido CNN-Transformer com descritores fractais para Ccassificação de imagens histológicas
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
A análise de imagens histopatológicas desempenha um papel fundamental no diagnóstico de lesões, sendo frequentemente utilizada para identificar diferentes graus de displasia na cavidade oral. No entanto, a interpretação dessas imagens pode ser um processo
complexo e sujeito à variabilidade entre especialistas. Nesse contexto, os sistemas de diagnóstico auxiliado por computador têm sido investigados como ferramentas de apoio à
análise de imagens médicas. Este trabalho apresenta uma investigação do uso de modelo
híbrido que explora Vision Transformers e redes neurais convolucionais para investigar
representações baseadas em geometria fractal para a classificação de lesões histológicas de
displasia. Os experimentos foram conduzidos utilizando o banco de dados Oral Epithelium
DB, que contém imagens histopatológicas classificadas em diferentes graus de displasia.
Foram avaliadas diferentes representações das imagens, incluindo imagens histológicas
originais, representações sequenciais e representações baseadas em Recurrence Plot (RecPlot). Os modelos foram treinados e avaliados em diferentes cenários de classificação
binária entre as classes saudável e displasias leves, moderadas e severas. Os resultados
obtidos indicam que as diferentes representações de imagem influenciam diretamente o
desempenho dos modelos de classificação, demonstrando o potencial do uso combinado
de técnicas de aprendizado profundo e descritores baseados em geometria fractal para a
análise de imagens histopatológicas
Abstract
Palavras-chave
Histopatologia, Histopathology, Aprendizado profundo, Deep learning, Geometria fractal, Fractal geometry, Vision Transformer, Vision Transformer, Classificação de imagens, Image classification
Citação
INACIO, Dalmo Scalon. Modelo híbrido CNN-Transformer com descritores fractais para classificação de imagens histológicas. 2026. 46 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2026.
DOI
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto