Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/32462
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.creator | Silva, Higor Emanuel Souza | - |
dc.date.accessioned | 2021-07-14T15:05:47Z | - |
dc.date.available | 2021-07-14T15:05:47Z | - |
dc.date.issued | 2021-06-16 | - |
dc.identifier.citation | SILVA, 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, 2021 | pt_BR |
dc.identifier.uri | https://repositorio.ufu.br/handle/123456789/32462 | - |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Uberlândia | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
dc.subject | Transformada Wavelet | pt_BR |
dc.subject | Wavelet transform | pt_BR |
dc.subject | ResNet-50 | pt_BR |
dc.subject | Resnet-50 | pt_BR |
dc.subject | CAD | pt_BR |
dc.subject | CAD | pt_BR |
dc.subject | Câncer de mama | pt_BR |
dc.subject | Breast cancer | pt_BR |
dc.subject | BreakHis | pt_BR |
dc.subject | BreakHis | pt_BR |
dc.subject | Classificação | pt_BR |
dc.subject | Classification | pt_BR |
dc.subject | Histologia | pt_BR |
dc.subject | Histology | pt_BR |
dc.subject | Redes neurais convolucionais | pt_BR |
dc.subject | Convolutional neural networks | pt_BR |
dc.title | Classificação de lesões em imagens histológicas de mama usando Wavelet e RESNET-50 | pt_BR |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
dc.contributor.advisor1 | Nascimento, Marcelo Zanchetta do | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/5800175874658088 | pt_BR |
dc.contributor.referee1 | Gabriel, Paulo Henrique Ribeiro | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/3181954061121790 | pt_BR |
dc.contributor.referee2 | Roberto, Guilherme Freire | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/0038449177338647 | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/6612415807483856 | pt_BR |
dc.description.degreename | Trabalho de Conclusão de Curso (Graduação) | pt_BR |
dc.description.resumo | O 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.country | Brasil | pt_BR |
dc.publisher.course | Ciência da Computação | pt_BR |
dc.sizeorduration | 44 | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS) | pt_BR |
dc.orcid.putcode | 97009562 | - |
dc.description.embargo | 2021-07-13 | - |
Appears in Collections: | TCC - Ciência da Computação |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
ClassificaçãoLesõesImagens.pdf | TCC | 12.99 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License