@PHDTHESIS{ 2023:852812396,
 	title = {Um método de dois estágios para detecção de pólipos em imagens de colonoscopia usando aprendizado profundo},
 	year = {2023},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/5052",
 	abstract = "O trato gastrointestinal, via responsável por todo o processo digestivo, pode ser afetado
 por diversos tipos de doenças, incluindo o câncer colorretal, que é a terceira principal
 causa de morte por câncer. Os pólipos colorretais, tumores benignos detectáveis por
 meio de imagens capturadas por colonoscópios no cólon do intestino grosso, são seus
 principais precursores. No entanto, muitos pólipos são negligenciados durante o exame de
 colonoscopia devido a desafios técnicos e cognitivos. Estudos indicam que a melhoria na
 taxa de detecção dessas lesões pode reduzir significativamente o risco de câncer colorretal.
 Assim, técnicas de detecção assistida por computador estão sendo desenvolvidas com o
 intuito de aprimorar a qualidade da detecção durante exames regulares. Essa tese apresenta
 um método de detecção de pólipos em dois estágios para imagens de colonoscopia. O
 primeiro estágio consiste em identificar possíveis áreas de pólipos usando um modelo
 de extração de mapa de saliência apoiado pelos mapas de profundidade extraídos. Os
 mapas de profundidade são imagens que representam a distância entre os objetos e a
 câmera, e os mapas de saliência são imagens que destacam as regiões mais relevantes
 para a percepção visual humana. Inicialmente, é realizada a redução da área de escopo
 através da extração dos objetos salientes (S) presentes na imagem, para que em seguida
 seja realizada a união dessa área segmentada com os canais verde (G) e azul (B) de uma
 imagem no padrão RGB, formando assim uma nova imagem de 3 canais, conhecida como
 SGB. O segundo estágio do método consiste em detectar pólipos nas imagens extraídas
 resultantes do primeiro estágio, combinadas com os canais verde e azul. Para isso, foram
 aplicados modelos baseados em redes neurais convolucionais e Transformers, que são
 técnicas de aprendizado profundo capazes de extrair características visuais complexas e
 realizar classificações precisas. Vários experimentos foram realizados utilizando quatro
 conjuntos de dados públicos de colonoscopia. Os melhores resultados obtidos para a tarefa
 de detecção de pólipos foram satisfatórios, alcançando 91% de Average Precision na base
 CVC-ClinicDB e 92% de Average Precision na base Kvasir-SEG, ambos com as imagens
 em SGB, usando a arquitetura Transformers. Além disso, o método proposto superou
 outros métodos da literatura em algumas bases.
 Palavras-chave:",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}