@PHDTHESIS{ 2021:1800210516,
 	title = {Uma metodologia para a criação de arquiteturas de redes neurais convolucionais otimizadas para a detecção e o diagnóstico entre pneumonias},
 	year = {2021},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3678",
 	abstract = "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.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}