Análise comparativa de redes neurais convolucionais na classificação de tumores pulmonares

Detalhes bibliográficos
Autor(a) principal: Silva, Thiago Henrique Leite da [UNIFESP]
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UNIFESP
Texto Completo: https://repositorio.unifesp.br/handle/11600/68908
Resumo: O câncer de pulmão é uma das principais causas de mortes no mundo atualmente, e na grande maioria dos casos, o diagnóstico da doença ocorre quando o paciente já se encontra em estágios avançados da mesma e com baixa expectativa de cura. Através do aprendizado de máquina por redes neurais convolucionais, unido ao processamento de imagens digitais, podemos desenvolver algoritmos capazes de auxiliar profissionais de saúde no diagnóstico do câncer de pulmão. Este trabalho tem por objetivo, portanto, realizar a análise comparativa de diferentes redes neurais convolucionais atuando neste processo. Foram comparadas quatro redes neurais convolucionais clássicas (VGG16, VGG19, Resnet e Xception) em duas bases de dados, sendo uma binária e outra multiclasse (com três classes). As duas redes com os melhores desempenhos foram Xception e Resnet, respectivamente, ambas obtendo 99% de acurácia nos conjuntos de dados binário e multiclasse. Concluímos que as redes neurais convolucionais clássicas conseguem ser eficientes para as duas abordagens. Por meio da análise dos mapas de calor, os quais fornecem uma representação visual das áreas de uma imagem que mais contribuem para a resposta ou classificação dada pela rede neural, notou-se que algumas áreas do pulmão foram mais relevantes para a classificação final.
id UFSP_dfc20db5b9ed7e12aa67ea0d624dee0e
oai_identifier_str oai:repositorio.unifesp.br/:11600/68908
network_acronym_str UFSP
network_name_str Repositório Institucional da UNIFESP
repository_id_str 3465
spelling Análise comparativa de redes neurais convolucionais na classificação de tumores pulmonaresComparative analysis of convolutional neural networks in the classification of lung tumorsRedes neurais convolucionaisCâncer de pulmãoProcessamento de imagensO câncer de pulmão é uma das principais causas de mortes no mundo atualmente, e na grande maioria dos casos, o diagnóstico da doença ocorre quando o paciente já se encontra em estágios avançados da mesma e com baixa expectativa de cura. Através do aprendizado de máquina por redes neurais convolucionais, unido ao processamento de imagens digitais, podemos desenvolver algoritmos capazes de auxiliar profissionais de saúde no diagnóstico do câncer de pulmão. Este trabalho tem por objetivo, portanto, realizar a análise comparativa de diferentes redes neurais convolucionais atuando neste processo. Foram comparadas quatro redes neurais convolucionais clássicas (VGG16, VGG19, Resnet e Xception) em duas bases de dados, sendo uma binária e outra multiclasse (com três classes). As duas redes com os melhores desempenhos foram Xception e Resnet, respectivamente, ambas obtendo 99% de acurácia nos conjuntos de dados binário e multiclasse. Concluímos que as redes neurais convolucionais clássicas conseguem ser eficientes para as duas abordagens. Por meio da análise dos mapas de calor, os quais fornecem uma representação visual das áreas de uma imagem que mais contribuem para a resposta ou classificação dada pela rede neural, notou-se que algumas áreas do pulmão foram mais relevantes para a classificação final.Lung cancer is one of the main causes of death in the world today, and in the vast majority of cases, the diagnosis of the disease occurs when the patient is already in advanced stages of the same and with low expectation of cure. Through machine learning through convolutional neural networks, together with digital image processing, we can develop algorithms capable of assisting health professionals in the diagnosis of lung cancer. This work aims, therefore, to carry out a comparative analysis of different convolutional neural networks acting in this process. Four classic convolutional neural networks (VGG16, VGG19, Resnet and Xception) were compared in two databases, one binary and the other multiclass (with three classes). The two best performing networks were Xception and Resnet, respectively, both achieving 99% accuracy on the binary and multiclass datasets. We conclude that classical convolutional neural networks can be efficient for both approaches. Through the analysis of heat maps, which provide a visual representation of the areas of an image that most contribute to the response or classification given by the neural network, it was noted that some lung areas were more relevant to the final classification.Não recebi financiamentoUniversidade Federal de São PauloBerton, Lilianhttp://lattes.cnpq.br/9064767888093340Silva, Thiago Henrique Leite da [UNIFESP]2023-08-02T15:28:38Z2023-08-02T15:28:38Z2023-07-12info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersion99 f.application/pdfhttps://repositorio.unifesp.br/handle/11600/68908porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFESPinstname:Universidade Federal de São Paulo (UNIFESP)instacron:UNIFESP2024-08-13T03:25:01Zoai:repositorio.unifesp.br/:11600/68908Repositório InstitucionalPUBhttp://www.repositorio.unifesp.br/oai/requestbiblioteca.csp@unifesp.bropendoar:34652024-08-13T03:25:01Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)false
dc.title.none.fl_str_mv Análise comparativa de redes neurais convolucionais na classificação de tumores pulmonares
Comparative analysis of convolutional neural networks in the classification of lung tumors
title Análise comparativa de redes neurais convolucionais na classificação de tumores pulmonares
spellingShingle Análise comparativa de redes neurais convolucionais na classificação de tumores pulmonares
Silva, Thiago Henrique Leite da [UNIFESP]
Redes neurais convolucionais
Câncer de pulmão
Processamento de imagens
title_short Análise comparativa de redes neurais convolucionais na classificação de tumores pulmonares
title_full Análise comparativa de redes neurais convolucionais na classificação de tumores pulmonares
title_fullStr Análise comparativa de redes neurais convolucionais na classificação de tumores pulmonares
title_full_unstemmed Análise comparativa de redes neurais convolucionais na classificação de tumores pulmonares
title_sort Análise comparativa de redes neurais convolucionais na classificação de tumores pulmonares
author Silva, Thiago Henrique Leite da [UNIFESP]
author_facet Silva, Thiago Henrique Leite da [UNIFESP]
author_role author
dc.contributor.none.fl_str_mv Berton, Lilian
http://lattes.cnpq.br/9064767888093340
dc.contributor.author.fl_str_mv Silva, Thiago Henrique Leite da [UNIFESP]
dc.subject.por.fl_str_mv Redes neurais convolucionais
Câncer de pulmão
Processamento de imagens
topic Redes neurais convolucionais
Câncer de pulmão
Processamento de imagens
description O câncer de pulmão é uma das principais causas de mortes no mundo atualmente, e na grande maioria dos casos, o diagnóstico da doença ocorre quando o paciente já se encontra em estágios avançados da mesma e com baixa expectativa de cura. Através do aprendizado de máquina por redes neurais convolucionais, unido ao processamento de imagens digitais, podemos desenvolver algoritmos capazes de auxiliar profissionais de saúde no diagnóstico do câncer de pulmão. Este trabalho tem por objetivo, portanto, realizar a análise comparativa de diferentes redes neurais convolucionais atuando neste processo. Foram comparadas quatro redes neurais convolucionais clássicas (VGG16, VGG19, Resnet e Xception) em duas bases de dados, sendo uma binária e outra multiclasse (com três classes). As duas redes com os melhores desempenhos foram Xception e Resnet, respectivamente, ambas obtendo 99% de acurácia nos conjuntos de dados binário e multiclasse. Concluímos que as redes neurais convolucionais clássicas conseguem ser eficientes para as duas abordagens. Por meio da análise dos mapas de calor, os quais fornecem uma representação visual das áreas de uma imagem que mais contribuem para a resposta ou classificação dada pela rede neural, notou-se que algumas áreas do pulmão foram mais relevantes para a classificação final.
publishDate 2023
dc.date.none.fl_str_mv 2023-08-02T15:28:38Z
2023-08-02T15:28:38Z
2023-07-12
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.unifesp.br/handle/11600/68908
url https://repositorio.unifesp.br/handle/11600/68908
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 99 f.
application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de São Paulo
publisher.none.fl_str_mv Universidade Federal de São Paulo
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFESP
instname:Universidade Federal de São Paulo (UNIFESP)
instacron:UNIFESP
instname_str Universidade Federal de São Paulo (UNIFESP)
instacron_str UNIFESP
institution UNIFESP
reponame_str Repositório Institucional da UNIFESP
collection Repositório Institucional da UNIFESP
repository.name.fl_str_mv Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)
repository.mail.fl_str_mv biblioteca.csp@unifesp.br
_version_ 1814268443778613248

Registros relacionados