1. Repositório Institucional - Universidade Federal de Uberlândia
2. Faculdade de Computação (FACOM)
3. TCC - Ciência da Computação

ORCID:	http://orcid.org/0009-0002-5135-0652
Tipo de documento:	Trabalho de Conclusão de Curso
Tipo de acceso:	Acesso Aberto
Título:	Avaliação da Swin-Unet para segmentação de lesões de câncer de endométrio em imagens de tomografia computadorizada.
Autor:	Tomé, Bruno Ferreira
Primer orientador:	Santos, Fernanda Maria da Cunha
Primer miembro de la banca:	Couto, Leandro Nogueira
Segundo miembro de la banca:	Lima, Maria Adriana Vidigal de
Resumen:	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.
Palabras clave:	Segmentação de Imagens Médicas Medical Image Segmentation Câncer de Endométrio Endometrial Cancer Deep Learning Swin-Unet Vision Transformers
Área (s) del CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma:	por
País:	Brasil
Editora:	Universidade Federal de Uberlândia
Cita:	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.
URI:	https://repositorio.ufu.br/handle/123456789/48959
Fecha de defensa:	13-feb-2026
Aparece en las colecciones:	TCC - Ciência da Computação

Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons