Use este identificador para citar ou linkar para este item:
https://repositorio.ufu.br/handle/123456789/47646| Tipo do documento: | Trabalho de Conclusão de Curso |
| Tipo de acesso: | Acesso Aberto |
| Título: | Classificação de lesões histológicas baseada em modelos híbridos de CNNs e ViT |
| Autor(es): | Dias, Guilherme Rafael Cerqueira |
| Primeiro orientador: | Nascimento, Marcelo Zanchetta do |
| Primeiro membro da banca: | Travencolo, Bruno Augusto Nassif |
| Segundo membro da banca: | Gabriel, Paulo Henrique Ribeiro |
| Resumo: | A classificação de imagens histológicas tem sido amplamente explorada em pesquisas de visão computacional, devido ao seu potencial de auxiliar no diagnóstico precoce de alterações celulares. Este trabalho apresenta um estudo sobre a aplicação de aprendizado profundo na classificação automatizada de lesões histológicas da cavidade oral, propondo um modelo híbrido que integra redes Convolucionais (CNNs) e Vision Transformers (ViT).O uso isolado de CNNs nesse tipo de tarefa apresenta limitações, como a dificuldade de generalização entre diferentes padrões morfológicos e a alta dependência de grandes bases de dados. Para contornar essas restrições, a arquitetura proposta combina a EfficientNetV2B0, responsável por extrair características locais (como bordas, texturas e estruturas finas), com o ViT, capaz de capturar relações globais e dependências de longo alcance entre diferentes regiões da imagem. Essa integração permite uma representação mais completa e informativa dos tecidos analisados.Os experimentos foram realizados com o objetivo de classificar os diferentes graus de displasia epitelial (leve, moderada e severa) em imagens histológicas da cavidade oral de camundongos, coradas com hematoxilina e eosina. Para essa tarefa, este estudo apresenta um modelo híbrido que integra EfficientNet e Vision Transformer (ViT), combinando suas habilidades de extração de características locais e globais, respectivamente. Essas informações foram agregadas em uma camada totalmente conectada para a classificação binária das lesões e demonstraram alta capacidade de distinção em casos de maior contraste morfológico: alcançaram AUCs de 1,00 na distinção entre tecido saudável e displasia leve e 0,97 na distinção entre tecido saudável e displasia severa, apresentando resultados promissores.Os resultados obtidos indicam que a combinação entre CNNs e ViT constitui uma abordagem robusta e eficaz para a classificação de imagens histológicas, contribuindo para o desenvolvimento de sistemas de diagnóstico assistido por computador na detecção de lesões epiteliais da cavidade oral. |
| Palavras-chave: | Displasia EfficientNet ViT Modelo Híbrido Imagens Histológicas |
| Área(s) do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Referência: | DIAS, Guilherme Rafael Cerqueira. Classificação de Lesões Histológicas Baseada em Modelos Híbridos de CNNs e ViT. 2025. 43 f. Trabalho de Conclusão de Curso (Graduação em Sistema de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2025. |
| URI: | https://repositorio.ufu.br/handle/123456789/47646 |
| Data de defesa: | 25-Set-2025 |
| Aparece nas coleções: | TCC - Sistemas de Informação (Uberlândia) |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| ClassificaçãoLesõesHistológicas.pdf | TCC | 6.19 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
