Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/3842
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | LAUANDE, Marcos Gabriel Mendes | - |
dc.creator.Lattes | http://lattes.cnpq.br/2882011020746717 | por |
dc.contributor.advisor1 | BRAZ JÚNIOR, Geraldo | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/8287861610873629 | por |
dc.contributor.advisor-co1 | ALMEIDA, João Dallyson Sousa de | - |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/6047330108382641 | por |
dc.contributor.referee1 | BRAZ JÚNIOR, Geraldo | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/8287861610873629 | por |
dc.contributor.referee2 | ALMEIDA, João Dallyson Sousa de | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/6047330108382641 | por |
dc.contributor.referee3 | GOMES JUNIOR, Daniel Lima | - |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/4754106250302979 | por |
dc.contributor.referee4 | OLIVEIRA, Rui Miguel Gil da Costa | - |
dc.contributor.referee4Lattes | http://lattes.cnpq.br/6785759461393904 | por |
dc.contributor.referee5 | MARQUES, Fátima de Lourdes dos Santos Nunes | - |
dc.contributor.referee5Lattes | http://lattes.cnpq.br/8626964624628522 | por |
dc.date.accessioned | 2022-07-12T12:12:34Z | - |
dc.date.issued | 2022-06-24 | - |
dc.identifier.citation | LAUANDE, Marcos Gabriel Mendes. Classificação de imagens histopatológicas de câncer de pênis usando redes convolucionais e transferência de aprendizagem. 2022. 67 f. Dissertação (Programa de Pós-Graduação em Ciência da Computação/CCET) - Universidade Federal do Maranhão, São Luís, 2022. | por |
dc.identifier.uri | https://tedebc.ufma.br/jspui/handle/tede/tede/3842 | - |
dc.description.resumo | O câncer de pênis é um tumor raro que corresponde a 2% dos casos de câncer nos homens no Brasil, sendo que o Maranhão é um dos estados com mais incidência. Análises histopatológicas são comumente usadas no seu diagnóstico, possibilitando a avaliação do grau da enfermidade, a sua evolução e natureza. Há aproximadamente uma década, trabalhos científicos na área de Aprendizagem Profunda têm sido desenvolvidos para auxiliar médicos patologistas a tomarem decisões de maneira rápida e confiável, abrindo possibilidades de novas contribuições para aperfeiçoamento de uma atividade tão complexa e demorada para estes profissionais. Neste trabalho, o desenvolvimento de um método baseado em aprendizado profundo e transferência de aprendizado é apresentado. Estes conceitos foram aplicados utilizando uma rede convolucional do tipo DenseNet para o diagnóstico do câncer de pênis em um dataset de 194 imagens histopatológicas construído pelo Projeto Câncer de Pênis da Amazônia Legal. Além disso, foi avaliado outro método baseado em deep features para fins comparativos. Utilizou-se, também, o algoritmo Grad- CAM para explicar o modelo gerado com o objetivo de descobrir quais as regiões das imagens foram mais relevantes durante o processo de classificação. Nos experimentos realizados, para diferenciar imagens histopatológicas normais e aquelas com carcinoma de células escamosas, foram alcançados um F1-Score de até 97,39% e uma sensibilidade de até 98,33%. | por |
dc.description.abstract | Penile cancer is a rare tumor that accounts for 2% of cancer cases in men in Brazil, with Maranhão being one of the states with the highest incidence. Histopathological analyzes are commonly used in its diagnosis, making it possible to assess the degree of the disease, its evolution, and its nature. For approximately a decade, scientific works in Deep Learning have been developed to help pathologists make decisions quickly and reliably, opening up possibilities for new contributions to improve such a complex and time-consuming activity for these professionals. In this work, the development of a method based on deep learning and transfer of learning is presented. These concepts were applied using a DenseNet-type convolutional network to diagnose penile cancer in a dataset of histopathological with 194 images built by the Legal Amazon Penis Cancer Project. In addition, another method based on deep features was evaluated for comparative purposes. The Grad-CAM algorithm was also used to explain the generated model to discover which regions of the images were relevant during the classification process. In the experiments performed to differentiate normal histopathological images and those with squamous cell carcinoma, an F1-Score of up to 97.39% and a sensitivity of up to 98.33% was achieved. | eng |
dc.description.provenance | Submitted by Jonathan Sousa de Almeida (jonathan.sousa@ufma.br) on 2022-07-12T12:12:34Z No. of bitstreams: 1 MARCOSGABRIELMENDESLAUANDE.pdf: 9816338 bytes, checksum: ee7159d36ae1a23b46433c1ad213cba1 (MD5) | eng |
dc.description.provenance | Made available in DSpace on 2022-07-12T12:12:34Z (GMT). No. of bitstreams: 1 MARCOSGABRIELMENDESLAUANDE.pdf: 9816338 bytes, checksum: ee7159d36ae1a23b46433c1ad213cba1 (MD5) Previous issue date: 2022-06-24 | eng |
dc.format | application/pdf | * |
dc.language | por | por |
dc.publisher | Universidade Federal do Maranhão | por |
dc.publisher.department | DEPARTAMENTO DE INFORMÁTICA/CCET | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFMA | por |
dc.publisher.program | PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET | por |
dc.rights | Acesso Aberto | por |
dc.subject | câncer de pênis; | por |
dc.subject | imagens histopatológicas; | por |
dc.subject | redes neurais convolucionais; | por |
dc.subject | Densenet; | por |
dc.subject | transferência de aprendizado. | por |
dc.subject | penile cancer; | eng |
dc.subject | histopathological images; | eng |
dc.subject | convolutional neural network; | eng |
dc.subject | Densenet; | eng |
dc.subject | transfer learning. | eng |
dc.subject.cnpq | Ciência da Computação | por |
dc.title | Classificação de imagens histopatológicas de câncer de pênis usando redes convolucionais e transferência de aprendizagem | por |
dc.title.alternative | Histopathological image classification of penile cancer using convolutional networks and transfer learning | eng |
dc.type | Dissertação | por |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
MARCOSGABRIELMENDESLAUANDE.pdf | Dissertação de Mestrado | 9,59 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.