Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/25938
Full metadata record
DC FieldValueLanguage
dc.creatorChaves, Esdras de Lima-
dc.date.accessioned2019-07-11T17:21:56Z-
dc.date.available2019-07-11T17:21:56Z-
dc.date.issued2019-07-04-
dc.identifier.citationCHAVES, 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.urihttps://repositorio.ufu.br/handle/123456789/25938-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectDeep Learningpt_BR
dc.subjectRedes Neurais Convolucionaispt_BR
dc.subjectCâncer de Mamapt_BR
dc.subjectTermografia infravermelhapt_BR
dc.subjectTransferência de Aprendizadopt_BR
dc.titleDetecção de câncer de mama por meio de imagens infravermelhas utilizando Redes Neurais Convolucionaispt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Albertini, Marcelo Keese-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1404596833493304pt_BR
dc.contributor.referee1Fernandes, Henrique Coelho-
dc.contributor.referee2Souza, Jefferson Rodrigo de-
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoO 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.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.sizeorduration46pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
Appears in Collections:TCC - Ciência da Computação

Files in This Item:
File Description SizeFormat 
DetecçãoCâncerMama.pdf3.67 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.