Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remoto
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/34391 |
Resumo: | CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior |
id |
UFU_6c4f50886002904e5f633426da6a4ecb |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/34391 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remotoTelegramImagens histológicasCavidade oralCNNsTransferência de aprendizadoDispositivos móveisCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAOCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorTrabalho de Conclusão de Curso (Graduação)A displasia epitelial oral é um precursor relativamente comum do câncer de boca em que sua progressão para o câncer varia de 6% a 36%. Existem várias técnicas de imagem empregadas em seu diagnóstico. A análise histológica de imagens suportada pelos sistemas computacionais mostrou-se bastante eficaz no diagnóstico da doença. Neste trabalho, é apresentada uma abordagem para quantificar e classificar amostras de tecido bucal com uso de redes neurais convolucionais (AlexNet, Vgg16 e ResNet) e transferência de aprendizado. A transferência de aprendizado utilizada foi a baseada em rede, em que se emprega a reutilização de uma parte da rede pré-treinada no domínio da fonte, para aplicação no domínio destino. Devido ao tamanho do banco de imagens, aplicou-se uma etapa de aumento de dados para avaliar a acurácia das arquiteturas das redes. Definiu-se 30% das imagens, aleatoriamente selecionadas, para o grupo de teste e dentre 70% restantes, 90% ficariam para o grupo de treinamento e outros 10% para a validação. Ao final do treinamento obteve-se resultados relevantes, atingindo 96,56% de acurácia com a ResNet18 e 94,33% com a VGG16. Esse estudo ainda apresenta uma aplicação para dispositivos móveis para disponibilizar ao usuário um meio de classificar imagens histológicas. Essa aplicação é composta por um bot do Telegram e algoritmos em linguagem MatLab para as execução das CNNs. Levando em consideração o contexto pandêmico da COVID-19, esses resultados são considerados relevantes e essa abordagem pode ser útil como um protocolo que contribuirá na análise de diagnóstico de lesões da cavidade oral.Universidade Federal de UberlândiaBrasilEngenharia MecatrônicaNascimento, Marcelo Zanchetta dohttp://lattes.cnpq.br/5800175874658088Miani, Rodrigo Sancheshttp://lattes.cnpq.br/2992074747740327Silva, Adriano Barbosahttp://lattes.cnpq.br/7862099925808472Carvalho, Rafael Henrique de Oliveira2022-03-29T15:01:01Z2022-03-29T15:01:01Z2021-06-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfCARVALHO, Rafael Henrique de Oliveira. Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remoto. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) – Universidade Federal de Uberlândia, Uberlândia, 2021.https://repositorio.ufu.br/handle/123456789/34391porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2022-03-30T06:18:23Zoai:repositorio.ufu.br:123456789/34391Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2022-03-30T06:18:23Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.none.fl_str_mv |
Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remoto |
title |
Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remoto |
spellingShingle |
Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remoto Carvalho, Rafael Henrique de Oliveira Telegram Imagens histológicas Cavidade oral CNNs Transferência de aprendizado Dispositivos móveis CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO |
title_short |
Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remoto |
title_full |
Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remoto |
title_fullStr |
Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remoto |
title_full_unstemmed |
Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remoto |
title_sort |
Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remoto |
author |
Carvalho, Rafael Henrique de Oliveira |
author_facet |
Carvalho, Rafael Henrique de Oliveira |
author_role |
author |
dc.contributor.none.fl_str_mv |
Nascimento, Marcelo Zanchetta do http://lattes.cnpq.br/5800175874658088 Miani, Rodrigo Sanches http://lattes.cnpq.br/2992074747740327 Silva, Adriano Barbosa http://lattes.cnpq.br/7862099925808472 |
dc.contributor.author.fl_str_mv |
Carvalho, Rafael Henrique de Oliveira |
dc.subject.por.fl_str_mv |
Telegram Imagens histológicas Cavidade oral CNNs Transferência de aprendizado Dispositivos móveis CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO |
topic |
Telegram Imagens histológicas Cavidade oral CNNs Transferência de aprendizado Dispositivos móveis CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO |
description |
CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-06-15 2022-03-29T15:01:01Z 2022-03-29T15:01:01Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
CARVALHO, Rafael Henrique de Oliveira. Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remoto. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) – Universidade Federal de Uberlândia, Uberlândia, 2021. https://repositorio.ufu.br/handle/123456789/34391 |
identifier_str_mv |
CARVALHO, Rafael Henrique de Oliveira. Classificação de lesões da cavidade bucal baseada em aprendizagem profunda em ambiente remoto. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) – Universidade Federal de Uberlândia, Uberlândia, 2021. |
url |
https://repositorio.ufu.br/handle/123456789/34391 |
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 |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Engenharia Mecatrônica |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Engenharia Mecatrônica |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1805569672434679808 |