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 | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Universidade Federal de Uberlândia (UFU) | - |
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.contributor | Federal Institute of Triângulo Mineiro (IFTM) | - |
Autor(es): dc.creator | de Oliveira, Cléber I. | - |
Autor(es): dc.creator | do Nascimento, Marcelo Z. | - |
Autor(es): dc.creator | Roberto, Guilherme F. | - |
Autor(es): dc.creator | Tosta, Thaína A. A. | - |
Autor(es): dc.creator | Martins, Alessandro S. | - |
Autor(es): dc.creator | Neves, Leandro A. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:25:46Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:25:46Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-03-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/s11042-023-16351-4 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/297828 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/297828 | - |
Descrição: dc.description | The use of a convolutional neural network with transfer learning is a strategy that defines high-level features, commonly explored to study patterns in medical images. These features can be analyzed via different methods in order to design hybrid models with more useful and accurate solutions for clinical practice. In this paper, a computational scheme is presented to define hybrid models through deep features by transfer learning, selection by ranking and a robust ensemble classifier with five algorithms. The obtained models were applied to classify histological images from breast, colorectal and liver tissue. The strategy developed here allows knowing important results and conditions to improve models of computer-aided diagnosis, even exploring classic CNN models. The features were defined using layers from the AlexNet and ResNet-50 architectures. The attributes were organized into subsets of the most relevant features and submitted to a k-fold cross-validation process. The best hybrid models were obtained with deep features from the ResNet-50 network, using distinct layers (activation_48_relu and avg_pool) and a maximum of 35 descriptors. These hybrid models provided 98.00% and 99.32% of accuracy values, with emphasis on histological images of breast cancer, indicating the best solution among those available in the specialized Literature. Also, these models provided more relevant results for classifying UCSB and LG datasets than regularized techniques and CNN architectures, exploring data augmentation or not. The computational scheme with detailed information regarding the main hybrid models is a relevant contribution to the community interested in the study of machine learning techniques for pattern recognition. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG) | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Department of Computer Science and Statistics (DCCE) São Paulo State University (UNESP), Rua Cristóvão Colombo, 2265, São Paulo | - |
Descrição: dc.description | Faculty of Computer Science (FACOM) - Federal University of Uberlândia (UFU), Avenida João Neves de Ávila 2121, Bl.B, Minas Gerais | - |
Descrição: dc.description | Science and Technology Institute (ICT) Federal University of São Paulo (UNIFESP), Avenida Cesare Mansueto Giulio Lattes, 1201, São Paulo | - |
Descrição: dc.description | Federal Institute of Triângulo Mineiro (IFTM), Rua Belarmino Vilela Junqueira sn, Minas Gerais | - |
Descrição: dc.description | Department of Computer Science and Statistics (DCCE) São Paulo State University (UNESP), Rua Cristóvão Colombo, 2265, São Paulo | - |
Descrição: dc.description | CNPq: #132940/2019-1 | - |
Descrição: dc.description | CNPq: #313643/2021-0 | - |
Descrição: dc.description | FAPESP: 2022/03020-1 | - |
Descrição: dc.description | CNPq: 311404/2021-9 | - |
Descrição: dc.description | FAPEMIG: APQ-00578-18 | - |
Descrição: dc.description | CAPES: Finance Code 001 | - |
Formato: dc.format | 21929-21952 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Multimedia Tools and Applications | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Deep features | - |
Palavras-chave: dc.subject | Histological images | - |
Palavras-chave: dc.subject | Hybrid models | - |
Palavras-chave: dc.subject | Pattern recognition | - |
Palavras-chave: dc.subject | Transfer learning | - |
Título: dc.title | Hybrid models for classifying histological images: An association of deep features by transfer learning with ensemble classifier | - |
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: