1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Computação (FACOM)
  3. TCC - Sistemas de Informação (Uberlândia)
Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/47646
Full metadata record
DC FieldValueLanguage
dc.creatorDias, Guilherme Rafael Cerqueira-
dc.date.accessioned2025-11-12T12:32:14Z-
dc.date.available2025-11-12T12:32:14Z-
dc.date.issued2025-09-25-
dc.identifier.citationDIAS, 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.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/47646-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nd/3.0/us/*
dc.subjectDisplasiapt_BR
dc.subjectEfficientNetpt_BR
dc.subjectViTpt_BR
dc.subjectModelo Híbridopt_BR
dc.subjectImagens Histológicaspt_BR
dc.titleClassificação de lesões histológicas baseada em modelos híbridos de CNNs e ViTpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Nascimento, Marcelo Zanchetta do-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5800175874658088pt_BR
dc.contributor.referee1Travencolo, Bruno Augusto Nassif-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2590427557264952pt_BR
dc.contributor.referee2Gabriel, Paulo Henrique Ribeiro-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3181954061121790pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoA 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.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseSistemas de Informaçãopt_BR
dc.sizeorduration43pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
Appears in Collections:TCC - Sistemas de Informação (Uberlândia)

Files in This Item:
File Description SizeFormat 
ClassificaçãoLesõesHistológicas.pdfTCC6.19 MBAdobe PDFThumbnail
View/Open
Show simple item record


This item is licensed under a Creative Commons License Creative Commons