Use este identificador para citar ou linkar para este item:
https://repositorio.ufu.br/handle/123456789/32333
ORCID: | http://orcid.org/0000-0003-2944-1646 |
Tipo do documento: | Trabalho de Conclusão de Curso |
Tipo de acesso: | Acesso Aberto |
Título: | Investigação de normalização de corantes para classificação de imagens da cavidade oral |
Título(s) alternativo(s): | Dye normalization investigation for classification of images of the oral cavity |
Autor(es): | Freitas, André Dias |
Primeiro orientador: | Nascimento, Marcelo Zanchetta do |
Primeiro membro da banca: | Travençolo, Bruno Augusto Nassif |
Segundo membro da banca: | Santos, Dali Freire Dias dos |
Resumo: | O câncer é uma das doenças com maior taxa de mortalidade do mundo. A displasia é uma lesão pré-cancerígena de difícil diagnóstico, realizado a partir de amostras histológicas, que muitas vezes não possuem uma boa relação dos corantes Hematoxilina e Eosina (H&E), o que dificulta ainda mais o diagnóstico realizado pelo especialista em histologia. Nesse trabalho foi investigado um método de normalização de corantes nas imagens histológicas. Esse método emprega uma rede neural generativa baseada em uma U-net para a geração das imagens e uma arquitetura PatchGAN para descriminação das informações. As imagens histológicas normalizadas foram avaliadas em relação a classificação das lesões. Nesses experimentos foram usados modelos CNNs baseados nas arquiteturas ResNet e AlexNet assim como modelos híbridos que empregam numa junção das CNNs com algoritmos de aprendizado de máquina. O emprego da arquitetura ResNet e o algoritmo Random Forest proporcionou resultados com taxa de acurácia em torno de 97% para as imagens normalizadas com o método investigado. |
Abstract: | Cancer is one of the diseases with the highest mortality rate in the world. Dysplasia is a pre-cancerous lesion that is difficult to diagnose, performed from histological samples, which often do not have a good relationship of Hematoxylin and Eosin (H&E) dyes, which makes the diagnosis made by specialists in histology even more difficult. In this work, a method of normalization of dyes in histological images was investigated. This method employs a generative neural network based on a U-net for image generation and a PatchGAN architecture for information discrimination. The normalized histological images were evaluated in relation to the classification of the lesions. In these experiments, CNN models based on ResNet and AlexNet architectures were used, as well as hybrid models that use a junction of CNNs with machine learning algorithms. The use of ResNet architecture and the Random Forest algorithm provided results with an accuracy rate around 97% for the images normalized with the investigated method. |
Palavras-chave: | Redes neurais convolucionais Convolutional neural networks Cavidade oral Oral cavity Normalização de corantes Dye normalization Classificação Classification Histologia Histology |
Área(s) do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
Idioma: | por |
País: | Brasil |
Editora: | Universidade Federal de Uberlândia |
Referência: | FREITAS, André Dias. Investigação de normalização de corantes para classificação de imagens da cavidade oral. 2021. 49 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2021. |
URI: | https://repositorio.ufu.br/handle/123456789/32333 |
Data de defesa: | 11-Jun-2021 |
Aparece nas coleções: | TCC - Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
InvestigaçãoNormalizaçãoCorantes.pdf | 16.98 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.