Use este identificador para citar ou linkar para este item:
https://repositorio.ufu.br/handle/123456789/48959| ORCID: |  http://orcid.org/0009-0002-5135-0652 |
| Tipo do documento: | Trabalho de Conclusão de Curso |
| Tipo de acesso: | Acesso Aberto |
| Título: | Avaliação da Swin-Unet para segmentação de lesões de câncer de endométrio em imagens de tomografia computadorizada. |
| Autor(es): | Tomé, Bruno Ferreira |
| Primeiro orientador: | Santos, Fernanda Maria da Cunha |
| Primeiro membro da banca: | Couto, Leandro Nogueira |
| Segundo membro da banca: | Lima, Maria Adriana Vidigal de |
| 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. |
| Palavras-chave: | Segmentação de Imagens Médicas Medical Image Segmentation Câncer de Endométrio Endometrial Cancer Deep Learning Swin-Unet Vision Transformers |
| Área(s) do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Referência: | 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 |
| Data de defesa: | 13-Fev-2026 |
| Aparece nas coleções: | TCC - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| AvaliaçãoSwinUnetSegmentação.pdf | 9.46 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
