Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Investigação de Deep Learned Features no contexto de imagens de COVID-19
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/11449/239224
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Neves, Leandro Alves | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Miguel, Pedro Lucas | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T17:16:53Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T17:16:53Z | - |
| Data de envio: dc.date.issued | 2023-01-31 | - |
| Data de envio: dc.date.issued | 2023-01-31 | - |
| Data de envio: dc.date.issued | 2022-11-30 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/239224 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/239224 | - |
| Descrição: dc.description | Neste trabalho, foi desenvolvido um estudo fundamentado em deep learned features por transfer learning para definir um conjunto de atributos e técnicas a fim de classificar e reconhecer padrões em imagens radiográficas de COVID-19. A análise foi realizada por meio de três modelos de aprendizado profundo. As arquiteturas escolhidas foram a Residual Neural Network com 50 camadas (ResNet-50), Dense Convolutional Network com 201 camadas (DenseNet-201) e a EfficientNet-b0 (com 237 camadas). Neste estudo, a camada avg_pool de cada arquitetura foi escolhida para a análise, com 2048 descritores na ResNet-50, 1920 na DenseNet-201 e 1280 na EfficientNet-b0. As deep learned features mais relevantes foram definidas para o processo de classificação, aplicando o algoritmo RelieF com limiares distintos e duas estratégias de classificação: classificadores aplicados individualmente e por meio de ensemble, usando a abordagem de fusão em nível de pontuação. Como parte das contribuições deste trabalho, foram identificadas duas principais combinações, ambas resultantes do modelo DenseNet-201 e um único conjunto de features mais representativo. A primeira combinação foi com o uso do classificador SMO (98,38% de acurácia) e a segunda foi do ensemble (acurácia de 97,89%). O conjunto de atributos mais relevante envolveu somente 210 deep learned features, com apenas 10% do total inicial de atributos. As informações expostas são contribuições relevantes para os especialistas interessados no estudo e desenvolvimento de sistemas direcionadas para imagens radiográficas representativas de COVID-19. | - |
| Descrição: dc.description | In this proposal, a study based on deep learned features from transfer learning was conducted to obtain a set of features and techniques to classify and recognize patterns in COVID-19 images. The analyses was conducted using a total of three deep learning models. The chosen models were Residual Neural Network using 50 layers (ResNet50), Dense Convolutional Network using 201 layers (DenseNet-201) and EfficientNetb0 using 237 layers. In this proposal, the chosen layer for analysis was the avg_pool layer from each model, this layer is composed by 2048 features on ResNet-50, 1920 features on DenseNet0201, and finally, 1280 features on the EfficientNet-b0. The most relevant deep learned features where obtained for the classification process, applying the RelieF algorithm and two classification strategies: classifiers applied individually and through ensemble of classifiers using score level fusion. As part of the contributions obtained from this study, two combinations were identified, both of them using the DenseNet-201 model with the same set of features. The first combination used the SMO classifier (accuracy of 98,38%) and the second combination used ensemble (accuracy of 97,89%). The most relevant set of features was composed with only 210 deep learned features, using only 10% of the initial amount of features. Those informations are relevant contributions to specialists that are interested in the study and development of systems oriented to X-ray images of COVID-19. | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | 120993/2020-1 | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Estadual Paulista (UNESP) | - |
| Direitos: dc.rights | info:eu-repo/semantics/openAccess | - |
| Palavras-chave: dc.subject | COVID-19 (Doença) | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Inteligência artificial Aplicações médicas | - |
| Palavras-chave: dc.subject | Processamento de imagens | - |
| Palavras-chave: dc.subject | COVID-19 (Disease) | - |
| Palavras-chave: dc.subject | Neural networks (Computer science) | - |
| Palavras-chave: dc.subject | Artificial intelligence Medical applications | - |
| Palavras-chave: dc.subject | Image processing | - |
| Título: dc.title | Investigação de Deep Learned Features no contexto de imagens de COVID-19 | - |
| Título: dc.title | Investigation of Deep Learned Features from COVID-19 images | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
Não existem arquivos associados a este item.
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo