Publicação: Avaliação da Swin-Unet para segmentação de lesões de câncer de endométrio em imagens de tomografia computadorizada.
Carregando...
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
Autores
Orientador
Coorientador
Resumo
A segmentação automática de câncer de endométrio em imagens de Tomografia Computadorizada (TC) é uma tarefa bastante desafiadora, dificultada pelo baixo contraste entre os tecidos moles da região pélvica e pela morfologia irregular dos tumores. Este trabalho investiga a aplicação da arquitetura Swin-Unet, baseada em Vision Transformers, para superar as limitações das Redes Neurais Convolucionais (CNNs) tradicionais na tarefa de segmentação de imagens. Para validar a proposta realizou-se um estudo comparativo com a arquitetura U-Net utilizando backbones clássicos (VGG-16 e ResNet50). Visando garantir robustez, todos os modelos foram submetidos a execuções independentes. Os resultados demonstraram a superioridade da Swin-Unet, que alcançou um F1-Score médio de 0,8129 e uma Sensibilidade de 0,8297, superando as abordagens convolucionais. Além de apresentar o melhor desempenho, a arquitetura proposta demonstrou maior estabilidade frente à inicialização dos pesos, contrastando com a alta variabilidade observada na ResNet50. As análises visuais confirmaram que o mecanismo de atenção permitiu uma delimitação mais precisa das bordas da lesão, validando a eficácia da Swin-Unet para o auxílio no diagnóstico médico.
Abstract
Palavras-chave
Segmentação de Imagens Médicas, Medical Image Segmentation, Câncer de Endométrio, Endometrial Cancer, Deep Learning, Swin-Unet, Vision Transformers
Citação
TOMÉ, Bruno Ferreira. Avaliação da Swin-Unet para segmentação de lesões de câncer de endométrio em imagens de tomografia computadorizada. 2026. 47 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2026.
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