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 | Lotufo, Anna Diva Plasencia | - |
Autor(es): dc.contributor | Garcia, Leonardo | - |
Autor(es): dc.creator | Atoche Galarreta, Andrés Iván | - |
Data de aceite: dc.date.accessioned | 2025-08-21T21:54:33Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T21:54:33Z | - |
Data de envio: dc.date.issued | 2024-05-21 | - |
Data de envio: dc.date.issued | 2024-05-21 | - |
Data de envio: dc.date.issued | 2024-03-13 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/255701 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/255701 | - |
Descrição: dc.description | Na América Latina, nos últimos anos, o câncer de pulmão emergiu como uma das principais causas de mortalidade. Segundo estimativas de 2023, no Brasil, esse tipo de câncer ocupa o terceiro lugar em incidência entre os homens e o quarto entre as mulheres. Essa problemática é agravada devido ao acesso limitado aos serviços de saúde, especialmente entre as pessoas em situação de pobreza, que são mais afetadas. Esse panorama apresenta um desafio significativo para a nossa sociedade. Com o objetivo de abordar essa questão, este estudo concentrou-se na avaliação do desempenho de cinco modelos diferentes de redes convolucionais aplicadas ao diagnóstico do câncer a partir de imagens médicas. Para isso, utilizou-se um conjunto de dados composto por tomografias computadorizadas de pulmões classificadas em três estados: maligno, benigno e normal. Utilizando a técnica de aprendizado de transferência, esses cinco modelos foram treinados e avaliados sob diferentes cenários (experimentos). Os resultados obtidos revelaram que o modelo InceptionV3 demonstrou o melhor desempenho em termos de precisão. Por outro lado, o modelo Xception alcançou uma precisão superior a 90% em seis de oito cenários avaliados. | - |
Descrição: dc.description | In Latin America, in recent years, lung cancer has emerged as one of the leading causes of mortality. According to estimates from 2023, in Brazil, this type of cancer ranks third in incidence among men and fourth among women. This issue is exacerbated due to limited access to healthcare services, especially among individuals living in poverty, who are disproportionately affected. This landscape presents a significant challenge for our society.In order to address this issue, this study focused on evaluating the performance of five different convolutional network models applied to cancer diagnosis using medical imaging. The aim was to determine which models respond best to lung cancer diagnosis. To achieve this, a dataset consisting of lung computed tomography scans classified into three states—malignant, benign, and normal—was utilized. Employing transfer learning, these five models were trained and evaluated under different scenarios.The results obtained revealed that the InceptionV3 model demonstrated the best performance in terms of accuracy. On the other hand, the Xception model achieved an accuracy exceeding 90% in six out of the eight evaluated scenarios. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | CAPES: 001 | - |
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 | Deep learning | - |
Palavras-chave: dc.subject | Lung cancer | - |
Palavras-chave: dc.subject | Transfer learning | - |
Palavras-chave: dc.subject | Inception | - |
Palavras-chave: dc.subject | Xception | - |
Palavras-chave: dc.subject | Câncer de pulmão | - |
Palavras-chave: dc.subject | Aprendizado de transferência | - |
Palavras-chave: dc.subject | Aprendizado profundo | - |
Palavras-chave: dc.subject | Imagens médicas | - |
Título: dc.title | Aplicação de modelos de deep learning para a detecção do câncer de pulmão | - |
Título: dc.title | Application of Deep Learning models for the detection of lung cancer | - |
Título: dc.title | Aplicación de modelos de deep learning para la detección de cancer de pulmón | - |
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: