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 | Sanches, Ionildo José | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-1012-6961 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/9727238483923544 | - |
Autor(es): dc.contributor | Sanches, Ionildo José | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-1012-6961 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/9727238483923544 | - |
Autor(es): dc.contributor | Morais, Erikson Freitas de | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-0845-7457 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/1716165820460791 | - |
Autor(es): dc.contributor | Souza, Mauren Abreu de | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-6137-918X | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/7932254008088709 | - |
Autor(es): dc.creator | Conto Junior, Gilberto Luis de | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:15:59Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:15:59Z | - |
Data de envio: dc.date.issued | 2024-08-16 | - |
Data de envio: dc.date.issued | 2024-08-16 | - |
Data de envio: dc.date.issued | 2024-03-08 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/34497 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1092112 | - |
Descrição: dc.description | Diabetes Mellitus is a disease that affects approximately 422 million people around the world. Diabetic Retinopathy is a condition that impacts the small vessels of the retina, being one of the most common complications of diabetes, which can progress to blindness. The disease can affect the central area of the retina, the macula, causing diabetic macular edema. This edema can be diagnosed through an Optical Coherence Tomography (OCT) exam to observe the layers of the retina and identify signs of the disease, such as fluid leakage in the area. This work aims to use pretrained models of convolutional neural networks, applying transfer learning for the classification of OCT images, and to perform a comparative analysis of these networks. The network architectures used were ResNet50, Inception V3, AlexNet, GoogLeNet, and VGG19. For the training of the networks, 22,696 OCT images were used, equally divided between normal exams and those with diabetic macular edema. The models were tested with 250 images of each class as previously defined in the dataset. After each model was trained and applied to the test base, it was observed that the GoogLeNet network presented the best performance in classification. The results obtained with GoogLeNet were an accuracy of 99.20%, a precision of 98.43%, a recall of 100%, an Fmeasure of 99.21%, and a specificity of 98.40%. | - |
Descrição: dc.description | O Diabetes Mellitus é uma doença que acomete aproximadamente 422 milhões de pessoas ao redor do mundo. A Retinopatia Diabética é uma doença que afeta os pequenos vasos da retina, sendo uma das mais frequentes complicações do diabetes, podendo progredir para a cegueira. A doença pode atingir a área central da retina, a mácula, causando o edema macular diabético. Este edema pode ser diagnosticado através de um exame de Tomografia de Coerência Óptica (OCT) para observar as camadas da retina e identificar os sinais da doença como vazamento de fluidos na região. Este trabalho tem por objetivo a utilização de modelos prétreinados de redes neurais convolucionais, com a aplicação de transferência de aprendizado, para classificação de imagens de OCT e realizar uma análise comparativa dessas redes. Foram utilizadas as arquiteturas de rede ResNet50, Inception V3, AlexNet, GoogLeNet e VGG19. Para o treinamento das redes foram utilizadas 22.696 imagens de OCT, igualmente divididas em exames normais e com edema macular diabético. Os modelos foram testados com 250 imagens de cada classe conforme já definidas previamente no dataset. Após cada modelo ser treinado e aplicado na base de teste, percebeu-se que a rede GoogLeNet foi a que apresentou melhor desempenho na classificação. Os resultados obtidos com a GoogLeNet foram uma acurácia de 99,20%, uma precisão de 98,43%, um recall de 100%, um Fmeasure de 99,21% e uma especificidade de 98,40%. | - |
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 | Programa de Pós-Graduação em Ciência da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-sa/4.0/ | - |
Palavras-chave: dc.subject | Tomografia de coerência óptica | - |
Palavras-chave: dc.subject | Processamento de imagens - Técnicas digitais | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Transferência de aprendizagem | - |
Palavras-chave: dc.subject | Diabetes | - |
Palavras-chave: dc.subject | Edema | - |
Palavras-chave: dc.subject | Macula lutea | - |
Palavras-chave: dc.subject | Optical coherence tomography | - |
Palavras-chave: dc.subject | Image processing - Digital techniques | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Transfer of training | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Palavras-chave: dc.subject | Engenharia/Tecnologia/Gestão | - |
Título: dc.title | Avaliação de redes neurais convolucionais com transferência de aprendizado para classificação de imagens de edema macular diabético | - |
Título: dc.title | Evaluation of convolutional neural networks with transfer learning for images classification of diabetic macular edema | - |
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: