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 | Cámara Chávez, Guillermo | - |
Autor(es): dc.contributor | Oliveira, Roberta Barbosa | - |
Autor(es): dc.contributor | Cámara Chávez, Guillermo | - |
Autor(es): dc.contributor | Oliveira, Roberta Barbosa | - |
Autor(es): dc.contributor | Ferreira, Anderson Almeida | - |
Autor(es): dc.contributor | Saúde, André Vital | - |
Autor(es): dc.creator | Araujo, Graziela Silva | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:08:27Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:08:27Z | - |
Data de envio: dc.date.issued | 2023-03-14 | - |
Data de envio: dc.date.issued | 2023-03-14 | - |
Data de envio: dc.date.issued | 2021 | - |
Fonte completa do material: dc.identifier | http://www.repositorio.ufop.br/jspui/handle/123456789/16354 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1003303 | - |
Descrição: dc.description | Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto. | - |
Descrição: dc.description | O diagnóstico auxiliado por computador pode ser viável para o diagnóstico precoce de câncer de pele. Para isso a tarefa de segmenta- ção de imagem desempenha um papel importante. A segmentação de uma imagem é um processo do qual a imagem é dividida, e a região de interesse é destacada, nesse caso, a lesão de pele pigmentada é segmentada. A segmentação de imagens dermatoscópicas é um desa- fio para os métodos tradicionais de segmentação e também para os métodos de aprendizado de máquina devido às diferentes condições de imagem. Há uma variação significativa na cor, textura, forma, tamanho e localização nas imagens dermatoscópicas. Além disso, po- dem conter imagens com variação de iluminação e diversos artefatos, como pelos, régua, bolhas de ar/óleo e amostra de cor. As imagens dermatoscópicas são adquiridas a partir de um dermatoscópio que permite que eventuais lesões possam ser visualizadas considerando estruturas nas camadas mais profundas da pele. Enfim, a arquitetura U-Net, é amplamente utilizada na literatura para segmentar imagens dermatoscópicas. O presente trabalho propõe um modelo baseado na arquitetura U-Net para segmentação de lesão de pele em imagens dermatoscópicas. Ainda, apresenta um estudo de ablação para jus- tificar as modificações feitas no modelo U-Net original, sendo elas, o número de épocas de treinamento, tamanho da imagem, funções de ativação e otimização, dropout e número de blocos convolucionais. Experimentos foram realizados nos conjuntos de dados ISIC 2017 e ISIC 2018 e mostram que é possível chegar a um modelo simples capaz de apresentar resultados competitivos em relação a outros trabalhos de última geração com os devidos ajustes em seus parâmetros. | - |
Descrição: dc.description | Computer-aided diagnosis may be feasible for early diagnosis of skin cancer. Therefore, the image segmentation task plays an im- portant role. Segmentation of an image is a process whereby the image is divided, and the region of interest is highlighted, in this case, the skin lesion is segmented. Segmentation of dermoscopic images is a challenge for traditional segmentation methods as well as ma- chine learning methods due to different imaging conditions. There is significant variation in color, texture, shape, size, and location in der- moscopic images. In addition, they can contain images with varying lighting and various artifacts, such as hair, ruler, air/oil bubbles, and color sample. Dermoscopic images are acquired from a dermoscopy that allows possible lesions to be visualized considering structures in the skin. Finally, the U-Net architecture is widely used in the litera- ture to segment dermoscopic images. The present work proposes a model based on the U-Net architecture for skin lesion segmentation in dermoscopic images. Furthermore, it presents an ablation study to jus- tify the modifications made in the original U-Net model, namely, the number of training epochs, image size, activation and optimization functions, dropout, and a number of convolutional blocks. Experi- ments were carried out on the ISIC 2017 and ISIC 2018 datasets and show that it is possible to arrive at a simple model capable of presen- ting competitive results in relation to other state-of-the-art works with the necessary adjustments in its parameters. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | aberto | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by/3.0/us/ | - |
Direitos: dc.rights | Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 08/03/2023 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Redes neurais - computação | - |
Palavras-chave: dc.subject | Processamento de imagens | - |
Título: dc.title | Uma rede U-Net modificada para segmentação de lesões de pele em imagens dermatoscópicas. | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - UFOP |
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: