Explorando modelos em cascata de CNNs e fractais para classificação de displasia oral

Carvalho, Thiago Mota

Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/39840

Full metadata record

DC Field	Value	Language
dc.creator	Carvalho, Thiago Mota	-
dc.date.accessioned	2023-12-08T17:22:09Z	-
dc.date.available	2023-12-08T17:22:09Z	-
dc.date.issued	2023-11-30	-
dc.identifier.citation	CARVALHO, Thiago Mota. Explorando modelos em cascata de CNNs e fractais para classificação de displasia oral. 2023. 63 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2023.	pt_BR
dc.identifier.uri	https://repositorio.ufu.br/handle/123456789/39840	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal de Uberlândia	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Displasia	pt_BR
dc.subject	CAD	pt_BR
dc.subject	ResNet	pt_BR
dc.subject	MobileNet	pt_BR
dc.subject	Comitê	pt_BR
dc.subject	Fractal	pt_BR
dc.subject	CNN	pt_BR
dc.title	Explorando modelos em cascata de CNNs e fractais para classificação de displasia oral	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	Pereira, João Henrique de Souza	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/6843234527853507	pt_BR
dc.contributor.referee2	Theodoro, Luiz Cláudio	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/9124581119374609	pt_BR
dc.creator.Lattes	https://wwws.cnpq.br/cvlattesweb/PKG_MENU.menu?f_cod=273EF3CBCF605998E5A3EF1C3F3F3C8B#	pt_BR
dc.description.degreename	Trabalho de Conclusão de Curso (Graduação)	pt_BR
dc.description.resumo	A classificação de imagens histológicas é uma tarefa que tem sido amplamente explorada nas recentes pesquisas de visão computacional. A abordagem mais estudada para esta tarefa tem sido a aplicação de aprendizado profundo por meio de modelos de Aprendizagem Profunda (AP). Entretanto, o uso de AP no contexto da classificação de imagens histológicas tem ainda algumas limitações, como a necessidade de grandes conjuntos de dados e a dificuldade de implementar um modelo generalizado capaz de classificar diferentes tipos de tecido histológico. Este trabalho, se propõe a investigar classificadores e comitês baseados em representações de atributos fractais em modelos de rede AP em cascata para avaliação de lesões da cavidade oral. A extração das características foi obtida com atributos fractais do conjunto de dados histológicos. Esses atributos são reorganizados em uma matriz a fim compor uma imagem de representação. Foram avaliados dois métodos, o primeiro consistiu em utilizar as imagens histológicas originais como entrada para os classificadores. O segundo método consistiu em fazer uso das representações fractais como entrada para os classificadores. Fazendo uso de representações fractais, foram obtidos valores da métrica acurácia que variam de 98,75% a 100,00%. Quando aplicado apenas as imagens histológicas de displasia, foram obtidas acurácias que variam de 85,89% a 96,61%. Os resultados foram relevantes e mostram que essa metodologia pode ser utilizada como forma de auxiliar especialistas da área da saúde para diagnóstico de displasia.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.course	Ciência da Computação	pt_BR
dc.sizeorduration	63	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO	pt_BR
dc.orcid.putcode	148374918	-
Appears in Collections:	TCC - Ciência da Computação

Files in This Item:

File	Description	Size	Format
ExplorandoModelosCascata.pdf	TCC	1.31 MB	Adobe PDF	View/Open

Show simple item record