@MASTERSTHESIS{ 2025:1033514564,
 	title = {HistAttentionNAS: Uma CNN construída via NAS para o diagnóstico do câncer do pênis usando imagens histopatológicas},
 	year = {2025},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/6070",
 	abstract = "O câncer de pênis (CP) é uma neoplasia rara que, embora pouco frequente em países
 desenvolvidos, apresenta incidência alarmante em determinadas regiões de países em
 desenvolvimento. Seu diagnóstico precoce é fundamental para melhorar o prognóstico e
 reduzir a necessidade de intervenções cirúrgicas mutiladoras. A análise histopatológica
 permanece como o padrão ouro para diagnóstico, porém envolve processos subjetivos
 que podem atrasar o laudo e gerar divergências entre especialistas. Nesse sentido, o
 aprendizado profundo tem se mostrado promissor ao agilizar e padronizar avaliações,
 auxiliando patologistas na identificação de padrões relevantes. Este trabalho propõe uma
 metodologia para a classificação de CP em imagens histopatológicas digitais. Inicia-se com
 a preparação dos dados, balanceando as classes por meio de transformações geométricas
 e aplicando diferentes técnicas de pré-processamento e perturbações de cor. Em seguida,
 um processo de Pesquisa de Arquitetura Neural é empregado para definir, de forma
 automatizada, a melhor combinação de blocos iniciais (stem) e mecanismos de atenção nos
 estágios principais (backbone) da rede, otimizando a extração de texturas e informações
 discriminativas. Nos experimentos realizados, as arquiteturas otimizadas apresentaram
 valores de F1-Score de 0,927 em 40x e 0,958 em 100x, confirmando a eficácia da estratégia.
 Comparações com trabalhos relacionados na mesma base mostram resultados competitivos,
 em particular na ampliação de 100x, mesmo sem o uso de grandes bases externas ou
 transferência de aprendizado. Conclui-se que o balanceamento de classes, a configuração
 do pré-processamento e aumento de representatividade, aliados à automação via pesquisa
 de arquitetura neural (NAS), potencializam o desempenho da classificação de câncer de
 pênis.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}