Use este identificador para citar ou linkar para este item:
https://repositorio.ufu.br/handle/123456789/41010| ORCID: |  http://orcid.org/0009-0007-8230-8779 |
| Tipo do documento: | Trabalho de Conclusão de Curso |
| Tipo de acesso: | Acesso Aberto |
| Título: | Compressão de redes neurais com decomposição de Tucker para classificação de imagens histológicas de displasia |
| Título(s) alternativo(s): | Compression of neural networks with Tucker decomposition for classifying dysplasia histological images |
| Autor(es): | Fernandes, Vitor Barbosa Lemes |
| Primeiro orientador: | Nascimento, Marcelo Zanchetta do |
| Primeiro membro da banca: | Fernandes, Henrique Coelho |
| Segundo membro da banca: | Gabriel, Paulo Henrique Ribeiro |
| 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. |
| Palavras-chave: | Redes convolucionais Histologia Classificação Compressão Tensores Tucker |
| Área(s) do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Referência: | 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. |
| URI: | https://repositorio.ufu.br/handle/123456789/41010 |
| Data de defesa: | 5-Dez-2023 |
| Aparece nas coleções: | TCC - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| CompressaoRedesNeurais.pdf | TCC | 5.08 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
