Uma rede UNet modificada para segmentação e identificação de lesões pulmonares em tomografias
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Monografias da UnB |
Texto Completo: | https://bdm.unb.br/handle/10483/29884 |
Resumo: | Trabalho de conclusão de curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021. |
id |
UNB-2_00ec0bcfa6b5b08f89cf698ac5add1ba |
---|---|
oai_identifier_str |
oai:bdm.unb.br:10483/29884 |
network_acronym_str |
UNB-2 |
network_name_str |
Biblioteca Digital de Monografias da UnB |
repository_id_str |
11571 |
spelling |
Silva, Thiago Araújo daBorges, Díbio LeandroSILVA, Thiago Araújo da. Uma rede UNet modificada para segmentação e identificação de lesões pulmonares em tomografias. 48 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia da Computação) — Universidade de Brasília, Brasília, 2021.https://bdm.unb.br/handle/10483/29884Trabalho de conclusão de curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.Com o surgimento e disseminação do novo Coronavírus, engenheiros, virologistas, epi demiologistas e profissionais de outras áreas da saúde estão trabalhando para ajudar a conter essa pandemia o mais rápido possível. No processo de estudo e determinação dos indícios diagnósticos para a doença, notou-se a presença recorrente de achados pul monares em tomografias computadorizas de tórax dos pacientes infectados. Assim como na infecção por coronavírus, número significante de doenças respiratórias do trato inferior, causadas por agentes externos, manifestam-se nas tomografias. Por tais fatos, automa tizar o processo de identificação destas anomalias pulmonares, pode agilizar e facilitar o diagnóstico de profissionais da área da saúde, em casos como estes. Este trabalho, propõe o uso de uma arquitetura UNet modificada para realizar a segmentação e identificação das lesões pulmonares nas tomografias de tórax. Foram criados conjuntos de treinamento, validação e teste, utilizando-se dados abertos disponibilizados pela comunidade científica, e aplicando-se técnicas de pré-processamento e aumento de dados para melhoraria da qualidade das amostras de entrada. Como resultado, foi comparada e discutida a vali dação da utilização de um esqueleto UNet para segmentação das imagens e a importância do pré-processamento dos dados para se obter bons resultados em modelos mais simples. A topologia proposta obteve um resultado de 98.01% de acurácia nos dados de teste.Submitted by Jaedna Lins (jaednalins@bce.unb.br) on 2022-01-14T19:52:06Z No. of bitstreams: 1 2021_ThiagoAraujoDaSilva_tcc.pdf: 3561881 bytes, checksum: 1b634ad39d95e5af0ccc22abc88c4a87 (MD5)Approved for entry into archive by Luanna Maia (luanna@bce.unb.br) on 2022-02-11T12:48:05Z (GMT) No. of bitstreams: 1 2021_ThiagoAraujoDaSilva_tcc.pdf: 3561881 bytes, checksum: 1b634ad39d95e5af0ccc22abc88c4a87 (MD5)Made available in DSpace on 2022-02-11T12:48:05Z (GMT). No. of bitstreams: 1 2021_ThiagoAraujoDaSilva_tcc.pdf: 3561881 bytes, checksum: 1b634ad39d95e5af0ccc22abc88c4a87 (MD5)With the arrival of the new Coronavirus, engineers, virologists, epidemiologists and people from other medical fields are working to help contain this pandemic as quickly as possible. In the process of studying and determining diagnostic evidence, the recurrent presence of pulmonary findings was noted in chest CT scans of infected patients. Just as coronavirus infection, a significant number of lower tract respiratory diseases, caused by external agents, are manifested on CT scans. For those facts, automating the process of identifying these pulmonary anomalies can speed up and facilitate professional diagnosis, in cases like these. This work proposes the use of a modified UNet architecture to segment and identify lung lesions. Training, validation and testing sets were created, using open published data made available by the scientific community, and applying pre-processing and data augmentation techniques to improve the dataset quality. As a result, the vali dation of using a UNet backbone in image segmentation tasks is compared and discussed, and the importance of pre-processing the data to obtain good results in simpler models. The proposed topology obtained a result of 98.01 % accuracy in the test data.A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.info:eu-repo/semantics/openAccessInteligência artificialRedes neurais artificiaisProcessamento eletrônico de dadosAprendizado de máquinaCovid-19Coronavírus (COVID-19)Uma rede UNet modificada para segmentação e identificação de lesões pulmonares em tomografiasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2022-02-11T12:48:05Z2022-02-11T12:48:05Z2021-05-25porreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBLICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/29884/2/license.txt21554873e56ad8ddc69c092699b98f95MD52ORIGINAL2021_ThiagoAraujoDaSilva_tcc.pdf2021_ThiagoAraujoDaSilva_tcc.pdfapplication/pdf3561881http://bdm.unb.br/xmlui/bitstream/10483/29884/1/2021_ThiagoAraujoDaSilva_tcc.pdf1b634ad39d95e5af0ccc22abc88c4a87MD5110483/298842022-02-11 10:48:05.047oai:bdm.unb.br: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Biblioteca Digital de Monografiahttps://bdm.unb.br/PUBhttp://bdm.unb.br/oai/requestbdm@bce.unb.br||patricia@bce.unb.bropendoar:115712022-02-11T12:48:05Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false |
dc.title.pt_BR.fl_str_mv |
Uma rede UNet modificada para segmentação e identificação de lesões pulmonares em tomografias |
title |
Uma rede UNet modificada para segmentação e identificação de lesões pulmonares em tomografias |
spellingShingle |
Uma rede UNet modificada para segmentação e identificação de lesões pulmonares em tomografias Silva, Thiago Araújo da Inteligência artificial Redes neurais artificiais Processamento eletrônico de dados Aprendizado de máquina Covid-19 Coronavírus (COVID-19) |
title_short |
Uma rede UNet modificada para segmentação e identificação de lesões pulmonares em tomografias |
title_full |
Uma rede UNet modificada para segmentação e identificação de lesões pulmonares em tomografias |
title_fullStr |
Uma rede UNet modificada para segmentação e identificação de lesões pulmonares em tomografias |
title_full_unstemmed |
Uma rede UNet modificada para segmentação e identificação de lesões pulmonares em tomografias |
title_sort |
Uma rede UNet modificada para segmentação e identificação de lesões pulmonares em tomografias |
author |
Silva, Thiago Araújo da |
author_facet |
Silva, Thiago Araújo da |
author_role |
author |
dc.contributor.author.fl_str_mv |
Silva, Thiago Araújo da |
dc.contributor.advisor1.fl_str_mv |
Borges, Díbio Leandro |
contributor_str_mv |
Borges, Díbio Leandro |
dc.subject.keyword.pt_BR.fl_str_mv |
Inteligência artificial Redes neurais artificiais Processamento eletrônico de dados Aprendizado de máquina Covid-19 Coronavírus (COVID-19) |
topic |
Inteligência artificial Redes neurais artificiais Processamento eletrônico de dados Aprendizado de máquina Covid-19 Coronavírus (COVID-19) |
description |
Trabalho de conclusão de curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021. |
publishDate |
2021 |
dc.date.submitted.none.fl_str_mv |
2021-05-25 |
dc.date.accessioned.fl_str_mv |
2022-02-11T12:48:05Z |
dc.date.available.fl_str_mv |
2022-02-11T12:48:05Z |
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.citation.fl_str_mv |
SILVA, Thiago Araújo da. Uma rede UNet modificada para segmentação e identificação de lesões pulmonares em tomografias. 48 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia da Computação) — Universidade de Brasília, Brasília, 2021. |
dc.identifier.uri.fl_str_mv |
https://bdm.unb.br/handle/10483/29884 |
identifier_str_mv |
SILVA, Thiago Araújo da. Uma rede UNet modificada para segmentação e identificação de lesões pulmonares em tomografias. 48 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia da Computação) — Universidade de Brasília, Brasília, 2021. |
url |
https://bdm.unb.br/handle/10483/29884 |
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.source.none.fl_str_mv |
reponame:Biblioteca Digital de Monografias da UnB instname:Universidade de Brasília (UnB) instacron:UNB |
instname_str |
Universidade de Brasília (UnB) |
instacron_str |
UNB |
institution |
UNB |
reponame_str |
Biblioteca Digital de Monografias da UnB |
collection |
Biblioteca Digital de Monografias da UnB |
bitstream.url.fl_str_mv |
http://bdm.unb.br/xmlui/bitstream/10483/29884/2/license.txt http://bdm.unb.br/xmlui/bitstream/10483/29884/1/2021_ThiagoAraujoDaSilva_tcc.pdf |
bitstream.checksum.fl_str_mv |
21554873e56ad8ddc69c092699b98f95 1b634ad39d95e5af0ccc22abc88c4a87 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB) |
repository.mail.fl_str_mv |
bdm@bce.unb.br||patricia@bce.unb.br |
_version_ |
1801493169741758464 |