Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/32462
Full metadata record
DC FieldValueLanguage
dc.creatorSilva, Higor Emanuel Souza-
dc.date.accessioned2021-07-14T15:05:47Z-
dc.date.available2021-07-14T15:05:47Z-
dc.date.issued2021-06-16-
dc.identifier.citationSILVA, Higor Emanuel Souza. Classificação de lesões em imagens histológicas de mama usando Wavelet e RESNET-50. 2021. 44 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2021pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/32462-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectTransformada Waveletpt_BR
dc.subjectWavelet transformpt_BR
dc.subjectResNet-50pt_BR
dc.subjectResnet-50pt_BR
dc.subjectCADpt_BR
dc.subjectCADpt_BR
dc.subjectCâncer de mamapt_BR
dc.subjectBreast cancerpt_BR
dc.subjectBreakHispt_BR
dc.subjectBreakHispt_BR
dc.subjectClassificaçãopt_BR
dc.subjectClassificationpt_BR
dc.subjectHistologiapt_BR
dc.subjectHistologypt_BR
dc.subjectRedes neurais convolucionaispt_BR
dc.subjectConvolutional neural networkspt_BR
dc.titleClassificação de lesões em imagens histológicas de mama usando Wavelet e RESNET-50pt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Nascimento, Marcelo Zanchetta do-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5800175874658088pt_BR
dc.contributor.referee1Gabriel, Paulo Henrique Ribeiro-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/3181954061121790pt_BR
dc.contributor.referee2Roberto, Guilherme Freire-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/0038449177338647pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/6612415807483856pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoO câncer de mama é um dos principais problemas de saúde pública no Brasil e no mundo, com uma taxa de mortalidade de 16%. Essa doença pode ser diagnosticada em suas fases iniciais, aumentando a possibilidade de tratamentos menos agressivos e com maior chance de sucesso. Existem diversas técnicas de diagnóstico como a mamografia, os raios-X e a análise de tecido histológico no microscópio. O diagnósticos é feito por especialistas, em processos que demandam muita atenção e que estão suscetíveis a erros humanos. Uma das maneiras de auxiliar estes médicos é a utilização de sistemas computacionais de auxílio ao diagnóstico, que são algoritmos computacionais especializados em classificar diferentes tipos de lesões. Neste trabalho, foram utilizadas imagens histológicas digitalizadas de lesões de mama da base de dados BreakHis. Dessas imagens, foram extraídos descritores handcrafted utilizando a transformada wavelet Daubechies 8 e non-handcrafted utilizando a ResNet-50. Foi analisada a combinação destes dois tipos de descritores, com os extraídos da camada de flatten da ResNet-50, combinados com os extraídos da transformada wavelet: detalhe, aproximação e informação de energia. Então, foram avaliadas as métricas acurácia e AUC da associação dos descritores utilizando os classificadores RF e SVM. A associação dos descritores não melhorou os resultados em relação ao baseline, e não houve diferença significativa em utilizar os descritores handcrafted.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.sizeorduration44pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS)pt_BR
dc.orcid.putcode97009562-
dc.description.embargo2021-07-13-
Appears in Collections:TCC - Ciência da Computação

Files in This Item:
File Description SizeFormat 
ClassificaçãoLesõesImagens.pdfTCC12.99 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons