@MASTERSTHESIS{ 2023:178858402,
 	title = {Classificação de imagens de exames de endoscopia por cápsula utilizando transformers},
 	year = {2023},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/4635",
 	abstract = "As doenças inflamatórias intestinais apresentam alta taxa de incidência na população, sendo
 umas das principais causas de internação hospitalar. Os vídeos obtidos por meio de cápsulas
 endoscópicas são essenciais para o diagnóstico de anomalias no trato gastrointestinal. Porém,
 devido à sua duração, que pode chegar a 10 horas, demandam grande atenção do especialista
 médico em sua análise. Técnicas de aprendizado de máquina têm sido aplicadas com sucesso
 no desenvolvimento de sistemas de diagnóstico auxiliados por computador desde a década
 de 1990. Na última década as Redes Neurais Convolucionais (CNNs) tornaram-se modelo
 de grande sucesso para reconhecimento de padrões em imagens. As CNNs usam convoluções
 para extrair características dos dados analisados, operando em uma janela de tamanho fixo
 e, portanto, tendo problemas para capturar relacionamentos em nível de pixel considerando
 os domínios espacial e temporal. Transformers, por sua vez, usam mecanismos de atenção,
 onde os dados são estruturados em um espaço vetorial que pode agregar informações de
 dados adjacentes para determinar o significado em um determinado contexto. Este trabalho
 propõe um método computacional para análise de imagens extraídas de vídeos obtidos
 por cápsulas endoscópicas, usando uma arquitetura baseada em Transformers, visando
 auxiliar o especialista médico no diagnóstico de anormalidades do trato gastrointestinal. A
 metodologia proposta foi aplicada em 41511 imagens WCE do dataset Kvasir-Capsule. Nos
 experimentos realizados para a classificação de 11 classes, os melhores resultados foram
 alcançados pelo modelo DeiT, que registrou taxas médias de 99,75% de acurácia, 98,17%
 de precisão, 98,31% de sensibilidade e 98,06% de f1-score.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}