Publicação: Compressão de redes neurais com decomposição de Tucker para classificação de imagens histológicas de displasia
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
O câncer na cavidade oral é uns dos tipos mais comuns, tornando necessário para um diagnostico precoce a investigação de lesões com potencial de desenvolvimento para a doença. Displasias são lesões de estágio inicial, que podem se desenvolver para estágios mais severos, e são caracterizadas por alterações no formato e tamanho do núcleo das células do tecido epitelial. A classificação manual de imagens histológicas é um processo demorado e sua qualidade depende da experiência do especialista. Nos últimos anos os Sistemas de Auxílio ao Diagnóstico (do inglês, computer aided diagnosis - CAD) se tornaram aliados no processo de classificação dessas imagens, devido aos avanços nas áreas de processamento de imagens e inteligência artificial. Apesar disso, técnicas empregadas em processos de um sistema CAD, como as redes neurais convolucionais, frequentemente sofrem de problemas de super-parametrização. Este trabalho apresenta uma investigação do uso da decomposição de Tucker nos tensores do kernel das camadas convolucionais de arquitetura ResNet para a compressão do número de parâmetros. Além de avaliar a classificação com as redes, foram avaliados os descritores em camadas da rede, denominados mapas de características, com os algoritmos de aprendizado de máquina. Os resultados mostram que a decomposição consegue uma diminuição no número de parâmetros, mantendo uma acurácia relevante, especialmente quando utilizados com as redes para a classificação de dados em bancos de imagem balanceados.
Abstract
Palavras-chave
Redes convolucionais, Histologia, Classificação, Compressão, Tensores, Tucker
Citação
FERNANDES, Vitor Barbosa Lemes. Compressão de redes neurais com decomposição de Tucker para classificação de imagens histológicas de displasia. 2023. 52 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2024.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto