
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 | Borges, Helyane Bronoski | - |
| Autor(es): dc.contributor | Borges, Helyane Bronoski | - |
| Autor(es): dc.contributor | Matos, Simone Nasser | - |
| Autor(es): dc.contributor | Aires, Simone Bello Kaminski | - |
| Autor(es): dc.creator | Antunes, Luiz Arthur Schussler | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T12:15:21Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T12:15:21Z | - |
| Data de envio: dc.date.issued | 2025-06-26 | - |
| Data de envio: dc.date.issued | 2025-06-26 | - |
| Data de envio: dc.date.issued | 2023-10-30 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/37264 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1091916 | - |
| Descrição: dc.description | This study investigated the application of Deep Learning techniques in the segmentation of brain lesions in MRI images, with a focus on evaluating how different training approaches influence model effectiveness. The experiments were conducted with three variants of a dataset, each one subjected to different pre-processing and data augmentation techniques. The research concluded that accuracy, performance and the nature of the data are interconnected, affecting the final result in complex ways. The findings emphasize the importance of training planning and the need to balance multiple techniques to optimize results. While the potential of deep learning in segmenting brain lesions is clear, excellence in this area requires a methodical and adaptive approach, optimally combining available techniques and configurations. | - |
| Descrição: dc.description | Este estudo investigou a aplicação de técnicas de Deep Learning na segmentação de lesões cerebrais em imagens de ressonância magnética, com foco em avaliar como diferentes abordagens de treinamento influenciam a eficácia do modelo. Os experimentos foram conduzidos com três variantes de um dataset, cada uma submetida a técnicas de pré-processamento e data augmentation distintas. A pesquisa concluiu que precisão, desempenho e a natureza dos dados estão interligados, afetando o resultado final de maneira complexa. Os achados enfatizam a importância de um planejamento no treinamento e a necessidade de equilibrar múltiplas técnicas para otimizar os resultados. Enquanto o potencial do Deep Learning na segmentação de lesões cerebrais é claro, a excelência nesta área requer uma abordagem metódica e adaptável, combinando de maneira ideal as técnicas e configurações disponíveis. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Ponta Grossa | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Departamento Acadêmico de Informática | - |
| Publicador: dc.publisher | Ciência da Computação | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Palavras-chave: dc.subject | Lesão cerebral | - |
| Palavras-chave: dc.subject | Ressonância magnética | - |
| Palavras-chave: dc.subject | Processamento de imagens | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Palavras-chave: dc.subject | Brain damage | - |
| Palavras-chave: dc.subject | Magnetic resonance | - |
| Palavras-chave: dc.subject | Image processing | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
| Título: dc.title | Segmentação de lesões cerebrais utilizando deep learning em imagens de ressonância magnética | - |
| Título: dc.title | Segmentation of brain lesions using deep learning on magnetic resonance imaging | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
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: