Reconhecimento de tumores cerebrais utilizando redes neurais convolucionais

• Autor(a) principal: Crespo Neto, Sergio Arthur de La Hidalga
• Data de Publicação: 2017
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIPAMPA
• Texto Completo: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/1911
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA; Ciência da computação; Redes neurais (Computação); Programas de computador – Precisão; Sistemas de reconhecimento de padrões; Percepção de padrões; Computer science; Neural networks (Computer science); Computer programs – Correctness; Pattern recognition systems; Pattern perception

Recentemente, com o avanço da tecnologia, novas formas de detecção e, com isso, de prevenção de doenças vêm sendo empregadas. Assim, os sistemas de auxílio ao diagnóstico (CAD 1) têm sido cada vez mais utilizados e, por conseguinte, têm sido abertas novas oportunidades para profissionais da computação na área médica e também variadas opções de pesquisas na área acadêmica. No presente trabalho, uma Rede Neural Convolucional (RNC) é implementada e testada com resultados promissores para a detecção precoce de tumores cerebrais, utilizando imagens de tamanho 512 ◊ 512, em escalas de cinza. O algoritmo possui o objetivo de, através de sucessivos treinamentos da rede, pré-classificar as imagens de teste como possuindo tumor cerebral (quando for o caso). Para isso, ao apresentar determinada imagem de teste à rede, a mesma deve classificá-la como possuindo tumor cerebral ou não. Isso é muito significativo, visto que a detecção precoce de tumores cerebrais não é uma tarefa simples de ser realizada. O algoritmo obteve um índice de 87% de cobertura para imagens com a presença da doença e de 66% para imagens sadias, apresentando, assim, resultados satisfatórios para uma pré-detecção da doença. A rede em questão ainda obteve cerca de 94% de precisão para classificar imagens sadias e de 62% para imagens com a presença da doença.