Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/3678
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | FERNANDES , Vandecia Rejane Monteiro | - |
dc.creator.Lattes | http://lattes.cnpq.br/8043025654034516 | por |
dc.contributor.advisor1 | PAIVA, Anselmo Cardoso de | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6446831084215512 | por |
dc.contributor.advisor-co1 | SILVA, Aristófanes Corrêa | - |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/2446301582459104 | por |
dc.contributor.referee1 | PAIVA, Anselmo Cardoso de | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/6446831084215512 | por |
dc.contributor.referee2 | SILVA, Aristófanes Corrêa | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/6446831084215512 | por |
dc.contributor.referee3 | ALMEIDA, João Dallyson Sousa de | - |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/6047330108382641 | por |
dc.contributor.referee4 | FONSECA NETO, João Viana da | - |
dc.contributor.referee4Lattes | http://lattes.cnpq.br/0029055473709795 | por |
dc.contributor.referee5 | CONCI, Aura | - |
dc.contributor.referee5Lattes | ttp://lattes.cnpq.br/5601388085745497 | por |
dc.date.accessioned | 2022-06-13T18:21:01Z | - |
dc.date.issued | 2021-07-23 | - |
dc.identifier.citation | FERNANDES , Vandecia Rejane Monteiro. Uma metodologia para a criação de arquiteturas de redes neurais convolucionais otimizadas para a detecção e o diagnóstico entre pneumonias. 2021. 98 f. Tese (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís, 2021. | por |
dc.identifier.uri | https://tedebc.ufma.br/jspui/handle/tede/tede/3678 | - |
dc.description.resumo | A pneumonia é uma doença que afeta os pulmões, dificultando a respiração. De acordo com estudos publicados, a pneumonia é a doença que mais mata crianças com menos de cinco anos de idade no mundo, sendo que a maior parte do número de óbitos acontece em países em desenvolvimento. Com o surgimento da COVID-19, a pneumonia tornou-se novamente uma preocupação mundial. Um grande esforço de empresas, governos, comunidade médica e acadêmica tem sido feito em todo o mundo para conter a propagação do coronavírus. A rápida disseminação do vírus SARS-CoV-2 faz com que o diagnóstico precoce seja extremamente importante. Dessa forma, a automação ou aceleração no processo diagnóstico é algo desejável. O uso de métodos computacionais podem diminuir a carga de trabalho de especialistas e até oferecer uma segunda opinião, aumentando a quantidade de diagnósticos precisos. Esta tese propõe uma metodologia para a criação de arquiteturas de redes neurais convolucionais específicas para detecção de pneumonia e classificação entre os tipos bacteriano e virais (incluindo a COVID-19), através da otimização bayesiana de redes pré-treinadas. Os resultados obtidos são promissores, atingindo, entre outras métricas, 100% de acurácia para a detecção da COVID-19 e mais de 95% de acurácia no diagnóstico entre os tipos normal, bacteriano, viral e COVID-19. | por |
dc.description.abstract | Pneumonia is a disease that affects the lungs, making it difficult to breathe. According to published studies, pneumonia is the disease that kills most children under the age of five, with most deaths occurring in developing countries. With the emergence of COVID-19, pneumonia has again become a worldwide concern. A great effort by companies, governments, the medical and academic community has been made worldwide to contain the spread of the coronavirus. The rapid spread of the SARS-CoV-2 virus makes early diagnosis extremely important. Thus, automation or acceleration in the diagnostic process is desirable. The use of computational methods can decrease specialists’ workload and even offer a second opinion, increasing accurate diagnoses. This thesis proposes a methodology for constructing convolutional neural network architectures specific for pneumonia detection and classification between bacterial and viral types (including COVID-19) through Bayesian optimization of pre-trained networks. The results obtained are promising, reaching, among other metrics, 100% accuracy for COVID-19 detection and more than 95% accuracy in the diagnosis between the normal, bacterial, viral, and COVID-19 types. | eng |
dc.description.provenance | Submitted by Daniella Santos (daniella.santos@ufma.br) on 2022-06-13T18:21:01Z No. of bitstreams: 1 Tese_Vandecia.pdf: 13554179 bytes, checksum: 2c086f3862e0ad0fdac2869bfb4f9215 (MD5) | eng |
dc.description.provenance | Made available in DSpace on 2022-06-13T18:21:01Z (GMT). No. of bitstreams: 1 Tese_Vandecia.pdf: 13554179 bytes, checksum: 2c086f3862e0ad0fdac2869bfb4f9215 (MD5) Previous issue date: 2021-07-23 | eng |
dc.format | application/pdf | * |
dc.language | por | por |
dc.publisher | Universidade Federal do Maranhão | por |
dc.publisher.department | DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFMA | por |
dc.publisher.program | PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET | por |
dc.rights | Acesso Aberto | por |
dc.subject | pneumonia; | por |
dc.subject | raio-x; | por |
dc.subject | aprendizado profundo; | por |
dc.subject | estimação Bayesiana; | por |
dc.subject | pneumonia; | eng |
dc.subject | chest x-ray; | eng |
dc.subject | deep learning; | eng |
dc.subject | Bayesian optimization | eng |
dc.subject.cnpq | Arquitetura de Sistemas de Computação | por |
dc.title | Uma metodologia para a criação de arquiteturas de redes neurais convolucionais otimizadas para a detecção e o diagnóstico entre pneumonias | por |
dc.title.alternative | A methodology for creating optimized convolutional neural network architectures for the detection and diagnosis of pneumonias | eng |
dc.type | Tese | por |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Tese_Vandecia.pdf | Tese de Doutorado | 13,24 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.