Classification of H&E Images via CNN Models with XAI Approaches, DeepDream Representations and Multiple Classifiers

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.contributorUniversidade de São Paulo (USP)-
Autor(es): dc.contributorUniversidade Federal de Uberlândia (UFU)-
Autor(es): dc.creatorNeves, Leandro Alves-
Autor(es): dc.creatorMartinez, João Manuel Cardoso-
Autor(es): dc.creatorda Costa Longo, Leonardo H.-
Autor(es): dc.creatorRoberto, Guilherme Freire-
Autor(es): dc.creatorTosta, Thaína Aparecida Azevedo-
Autor(es): dc.creatorde Faria, Paulo Rogério-
Autor(es): dc.creatorLoyola, Adriano Mota-
Autor(es): dc.creatorCardoso, Sérgio Vitorino-
Autor(es): dc.creatorSilva, Adriano Barbosa-
Autor(es): dc.creatordo Nascimento, Marcelo Zanchetta-
Autor(es): dc.creatorRozendo, Guilherme Botazzo-
Data de aceite: dc.date.accessioned2025-08-21T22:23:47Z-
Data de disponibilização: dc.date.available2025-08-21T22:23:47Z-
Data de envio: dc.date.issued2023-07-29-
Data de envio: dc.date.issued2023-07-29-
Data de envio: dc.date.issued2022-12-31-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.5220/0011839400003467-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/248918-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/248918-
Descrição: dc.descriptionThe study of diseases via histological images with machine learning techniques has provided important advances for diagnostic support systems. In this project, a study was developed to classify patterns in histological images, based on the association of convolutional neural networks, explainable artificial intelligence techniques, DeepDream representations and multiple classifiers. The images under investigation were representatives of breast cancer, colorectal cancer, liver tissue, and oral dysplasia. The most relevant features were associated by applying the Relief algorithm. The classifiers used were Rotation Forest, Multilayer Perceptron, Logistic, Random Forest, Decorate, IBk, K*, and SVM. The main results were areas under the ROC curve ranging from 0.994 to 1, achieved with a maximum of 100 features. The collected information allows for expanding the use of consolidated techniques in the area of classification and pattern recognition, in addition to supporting future applications in computer-aided diagnosis.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG)-
Descrição: dc.descriptionDepartment of Computer Science and Statistics (DCCE) São Paulo State University (UNESP), Rua Cristóvão Colombo, 2265, SP-
Descrição: dc.descriptionInstitute of Mathematics and Computer Science (ICMC) University of São Paulo (USP), Av. Trabalhador São-carlense, 400, SP-
Descrição: dc.descriptionScience and Technology Institute Federal University of São Paulo (UNIFESP), Avenida Cesare Mansueto Giulio Lattes, 1201, São Paulo-
Descrição: dc.descriptionDepartment of Histology and Morphology Institute of Biomedical Science Federal University of Uberlândia (UFU), Av. Amazonas, S/N, MG-
Descrição: dc.descriptionArea of Oral Pathology School of Dentistry Federal University of Uberlândia (UFU), R. Ceará - Umuarama, MG-
Descrição: dc.descriptionFaculty of Computer Science (FACOM) Federal University of Uberlândia (UFU), Avenida João Naves de Ávila 2121, Bl.B, MG-
Descrição: dc.descriptionDepartment of Computer Science and Statistics (DCCE) São Paulo State University (UNESP), Rua Cristóvão Colombo, 2265, SP-
Descrição: dc.descriptionCNPq: #153904/2021-6-
Descrição: dc.descriptionFAPESP: #2022/03020-1-
Descrição: dc.descriptionCNPq: #311404/2021-9-
Descrição: dc.descriptionCNPq: #313643/2021-0-
Descrição: dc.descriptionFAPEMIG: #APQ-00578-18-
Formato: dc.format354-364-
Idioma: dc.languageen-
Relação: dc.relationInternational Conference on Enterprise Information Systems, ICEIS - Proceedings-
???dc.source???: dc.sourceScopus-
Palavras-chave: dc.subjectClassification-
Palavras-chave: dc.subjectDeepDream Representations-
Palavras-chave: dc.subjectGrad-CAM-
Palavras-chave: dc.subjectHistological Images-
Palavras-chave: dc.subjectLIME-
Título: dc.titleClassification of H&E Images via CNN Models with XAI Approaches, DeepDream Representations and Multiple Classifiers-
Tipo de arquivo: dc.typeaula digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.