
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.creator | Teixeira, Júlia Beatriz Azevedo | - |
| Autor(es): dc.creator | Rezende, Mariana Trevisan | - |
| Autor(es): dc.creator | Diniz, Débora Nasser | - |
| Autor(es): dc.creator | Carneiro, Cláudia Martins | - |
| Autor(es): dc.creator | Luz, Eduardo José da Silva | - |
| Autor(es): dc.creator | Souza, Marcone Jamilson Freitas | - |
| Autor(es): dc.creator | Ushizima, Daniela Mayumi | - |
| Autor(es): dc.creator | Medeiros, Fátima Nelsizeuma Sombra de | - |
| Autor(es): dc.creator | Bianchi, Andrea Gomes Campos | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T15:23:12Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T15:23:12Z | - |
| Data de envio: dc.date.issued | 2025-01-13 | - |
| Data de envio: dc.date.issued | 2025-01-13 | - |
| Data de envio: dc.date.issued | 2022 | - |
| Fonte completa do material: dc.identifier | https://www.repositorio.ufop.br/handle/123456789/19516 | - |
| Fonte completa do material: dc.identifier | https://www.tandfonline.com/doi/epdf/10.1080/21681163.2023.2197086?needAccess=true | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1080/21681163.2023.2197086© 2023 Informa UK Limited, trading as Taylor & Francis Group | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1012804 | - |
| Descrição: dc.description | Although implementing the Pap smear has drastically reduced the mortality rates from cervical cancer, false positives and negatives are related to the quality of the analysis and the cytopathologist experience. An alternative is the insertion of digital cytology in the quality monitoring to assist the screening. However, conventional cytology is still a major challenge, as it presents a lot of cellular overlap and several epithelial structures that make it difficult to implement computational methodologies. This article compares the performance of U-net and SegNet neural networks for nuclei segmentation in cervical images. Experiments were performed with different activation functions, batch sizes, and datasets, ISBI (synthetic images from liquid cytology) and CRIC Cervix-Seg (conventional cytology real images). The models achieved a Dice coefficient of 0.9783 for ISBI2015 and 0.9429 for CRIC Cervix-Seg. These results suggest a methodology capable of segmenting real images of cervical nuclei with quality, even in situations of overlap and artefacts, advancing efforts towards the automation of tasks as part of the cytopathological analysis in the laboratory work routine. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Direitos: dc.rights | restrito | - |
| Palavras-chave: dc.subject | Cervical nuclei | - |
| Palavras-chave: dc.subject | Segmentation | - |
| Palavras-chave: dc.subject | Convolutional neural network | - |
| Palavras-chave: dc.subject | Pap smear | - |
| Título: dc.title | Segmentation of cervical nuclei using convolutional neural network for conventional cytology. | - |
| 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: