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.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Passos, Leandro Aparecido | - |
Autor(es): dc.creator | Braga, Pedro Henrique Domingues | - |
Data de aceite: dc.date.accessioned | 2025-08-21T23:43:27Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T23:43:27Z | - |
Data de envio: dc.date.issued | 2023-12-11 | - |
Data de envio: dc.date.issued | 2023-12-11 | - |
Data de envio: dc.date.issued | 2023-12-04 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/251857 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/251857 | - |
Descrição: dc.description | Tumor cerebral é um problema que afeta mais de 150 mil pessoas por ano no Brasil e sempre requer exames laboratoriais e de imagem para ser constatado, com o surgimento de novas tecnologias, como por exemplo, a inteligência artificial e o aprendizado profundo, é oportuna a utilização destas ferramentas na classificação e identificação de tumores, fornecendo diagnósticos que podem melhorar a qualidade de vida das pessoas através do tratamento precoce. Sendo assim, foi realizada uma comparação entre 4 arquiteturas de aprendizado profundo, subárea da Inteligência Artificial, com o objetivo de identificar qual modelo apresenta melhor desempenho na classificação desses tumores a partir do aprendizado através das imagens de ressonância magnética dos tumores e suas variações. A métrica de desempenho utilizada como parâmetro de comparação foi a precisão, a qual foi estabelecida em 95% dado o objetivo de identificar o maior número possível de tumores cerebrais. O modelo que obteve o melhor resultado foi o que utilizou a arquitetura AlexNet, alcançando 100% de precisão na classificação de carcinomas e 84% de acurácia geral. | - |
Descrição: dc.description | Brain tumor is a problem that affects more than 150 thousand people per year in Brazil and always requires laboratory and imaging tests to be verified. With the emergence of new technologies, such as artificial intelligence and deep learning, it is convenient to use these tools to classify and identify tumors and provide diagnoses that can improve people's quality of life through early treatment. Therefore, a comparison was carried out between 4 deep learning-based architectures, a subarea of artificial intelligence, with the aim of identifying which model presents the best performance in classifying these tumors based on learning through magnetic resonance images of the tumors and their variations. The performance metric used as a comparison parameter was precision, which was required at 95% given the objective of identifying the largest possible number of specific tumors. The model that obtained the best result was the one that used the AlexNet architecture, achieving 100% accuracy in classifying carcinomas and 84% overall accuracy. | - |
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 | Aprendizado profundo | - |
Palavras-chave: dc.subject | Ressonância magnética | - |
Palavras-chave: dc.subject | Tumor | - |
Palavras-chave: dc.subject | Python | - |
Palavras-chave: dc.subject | Deep learning | - |
Palavras-chave: dc.subject | Resonance | - |
Título: dc.title | Comparação entre arquiteturas de deep learning para a classificação de tumores cerebrais | - |
Título: dc.title | Comparison between deep learning-based architectures for classifying brain tumors | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
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: