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 | Alves, Allan Felipe Fattori | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Andrade, João Rafael Almeida de | - |
Data de aceite: dc.date.accessioned | 2025-08-21T22:09:31Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T22:09:31Z | - |
Data de envio: dc.date.issued | 2024-12-09 | - |
Data de envio: dc.date.issued | 2024-12-09 | - |
Data de envio: dc.date.issued | 2024-12-05 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/258770 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/258770 | - |
Descrição: dc.description | Este trabalho propõe a aplicação de uso de métodos computacionais voltados para a utilização de aprendizado profundo (deep learning) com ênfase na técnica de redes neurais convolucionais (CNN) para o aprimoramento da classificação de nódulos pulmonares em imagens de tomografia computadorizada (CT) com base no banco de dados LIDC. Dentre as redes neurais pré treinadas, a arquitetura da ResNet 101 demonstrou os melhores resultados, com uma acurácia de 71%. Por outro lado, a DenseNet 121 teve o menor desempenho abaixo entre todas as redes estudadas, com uma acurácia de 59%. Apesar dos resultados obtidos pelo nosso algoritmo serem promissores, não são suficientes para a utilização clínica. Contudo ainda há margem para o seu aprimoramento, visando sua otimização no diagnóstico precoce da neoplasia pulmonar. | - |
Descrição: dc.description | This work proposes applying computational methods focused on using deep learning, emphasizing convolutional neural network (CNN) techniques, to enhance the classification of pulmonary nodules in computed tomography (CT) images based on the LIDC database. Among the pre-trained neural networks, the ResNet 101 architecture demonstrated the best results, achieving an accuracy of 71%. On the other hand, DenseNet 121 showed the lowest performance among all the networks studied, with an accuracy of 59%. However, despite these promising results, more is needed for the clinical application of our algorithm. Nevertheless, there is still room for improvement, aiming at its optimization for the early diagnosis of pulmonary neoplasms. | - |
Descrição: dc.description | Programa Institucional de Bolsas de Iniciação Científica (PIBIC) | - |
Descrição: dc.description | 16578 | - |
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 | Tomografia computadorizada | - |
Palavras-chave: dc.subject | Nódulos pulmonares | - |
Palavras-chave: dc.subject | Câncer | - |
Título: dc.title | Detecção de malignidade em nódulos tumorais através de imagens médicas utilizando métodos computacionais | - |
Título: dc.title | Detection of malignancy in tumor nodules through medical imaging using Ccomputational methods | - |
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: