@PHDTHESIS{ 2025:566930808,
 	title = {Segmentação de Rins, Cistos e Tumores Renais em Imagens de Tomografia Computadorizadas baseada em Módulos de Pirâmide de Pooling e Redes Convolucionais},
 	year = {2025},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/6542",
 	abstract = "A detecção e o diagnóstico precoce do câncer renal desempenham um papel fundamental
 no prognóstico e tratamento, elevando significativamente as chances de cura e
 sobrevivência dos pacientes. Nesse contexto, os avanços nos exames radiológicos
 permitem ao médico especialista realizar, por meio de imagens, a análise e identificação
 de lesões suspeitas. A Tomografia Computadorizada (TC) torna-se uma ferramenta
 amplamente utilizada como auxílio no diagnóstico do câncer renal devido à sua
 capacidade de gerar um grande volume de imagens detalhadas das estruturas internas
 do corpo, incluindo cistos e tumores renais. Em contrapartida, a análise desses exames
 de imagem é realizada manualmente pelo médico, observando cada exame, o que torna
 esse processo suscetível à fadiga e distração. Surge, portanto, a necessidade de aplicar
 técnicas computacionais para automatizar e melhorar a precisão da segmentação das
 lesões suspeitas, contribuindo para o diagnóstico precoce do câncer renal. Nos últimos
 anos, as Redes Neurais Convolucionais (CNNs) ganharam significativa atenção na
 tarefa de segmentação automática, oferecendo suporte valioso aos especialistas na
 detecção e diagnóstico em imagens médicas. Nesta pesquisa, desenvolvemos um modelo
 convolucional que explora os conceitos de multirresolução das pirâmides de pooling
 (Pyramid Pooling Module - PPM e Atrous Spatial Pyramid Pooling - ASPP) combinadas à
 rede UNet para segmentação de rins, cistos e tumores em imagens de tomografia. A
 metodologia produziu resultados promissores nos conjuntos de dados do desafio de
 segmentação de tumores renais e renais KiTS21 e KiTS23, exibindo coeficiente de
 similaridade Dice de 92,32% e 93,78% para rins e massas, 91,38% e 93,06% para
 massas renais e 87,84% e 91,44% para Tumores, respectivamente.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO DOUTORADO EM CIÊNCIA DA COMPUTAÇÃO},
 	note = {COORDENAÇÃO DO CURSO DE CIÊNCIAS DA COMPUTAÇÃO/CCET}
}