Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/25938
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.creator | Chaves, Esdras de Lima | - |
dc.date.accessioned | 2019-07-11T17:21:56Z | - |
dc.date.available | 2019-07-11T17:21:56Z | - |
dc.date.issued | 2019-07-04 | - |
dc.identifier.citation | CHAVES, Esdras de Lima. Detecção de câncer de mama por meio de imagens infravermelhas utilizando Redes Neurais Convolucionais. 2019. 46 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2019. | pt_BR |
dc.identifier.uri | https://repositorio.ufu.br/handle/123456789/25938 | - |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Uberlândia | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Deep Learning | pt_BR |
dc.subject | Redes Neurais Convolucionais | pt_BR |
dc.subject | Câncer de Mama | pt_BR |
dc.subject | Termografia infravermelha | pt_BR |
dc.subject | Transferência de Aprendizado | pt_BR |
dc.title | Detecção de câncer de mama por meio de imagens infravermelhas utilizando Redes Neurais Convolucionais | pt_BR |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
dc.contributor.advisor1 | Albertini, Marcelo Keese | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1404596833493304 | pt_BR |
dc.contributor.referee1 | Fernandes, Henrique Coelho | - |
dc.contributor.referee2 | Souza, Jefferson Rodrigo de | - |
dc.description.degreename | Trabalho de Conclusão de Curso (Graduação) | pt_BR |
dc.description.resumo | O câncer de mama é responsável pelo maior número de mortes de mulheres no mundo todo. A detecção precoce da doença é essencial para o aumento das chances de tratamento e cura das pacientes. A termografia infravermelha tem se manifestado como uma técnica promissora para o diagnóstico da doença devido ao baixo custo, não trazer riscos às pacientes e pela possibilidade de ser feito em mulheres jovens. Esse trabalho utiliza Redes Neurais Convolucionais (algoritmos de Deep Learning) em uma base de 440 imagens de 88 pacientes distintas, com o objetivo de classificá-las em portadora ou não de câncer de mama. Foi utilizada transferência de aprendizado das arquiteturas de redes neurais convolucionais: alexnet, googlenet, resnet-18, vgg-16 e vgg-19. Os melhores resultados foram obtidos utilizando as arquiteturas de rede neural convolucional vgg-16 com 77,5% de acurácia, 85,0% de sensibilidade e 70,0% de especificidade e com a vgg-19 com 77,5% de acurácia, 90,0% de sensibilidade e 65,0% de especificidade. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.course | Ciência da Computação | pt_BR |
dc.sizeorduration | 46 | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | pt_BR |
Appears in Collections: | TCC - Ciência da Computação |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
DetecçãoCâncerMama.pdf | 3.67 MB | Adobe PDF | ![]() View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.