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 | França, Maria Bernadete de Morais [Orientador] | - |
Autor(es): dc.contributor | Melo, Leonimer Flávio de | - |
Autor(es): dc.contributor | Morais, Flávio José de Oliveira | - |
Autor(es): dc.creator | Chichanoski, Gustavo | - |
Data de aceite: dc.date.accessioned | 2025-05-15T13:06:54Z | - |
Data de disponibilização: dc.date.available | 2025-05-15T13:06:54Z | - |
Data de envio: dc.date.issued | 2024-05-01 | - |
Data de envio: dc.date.issued | 2024-05-01 | - |
Data de envio: dc.date.issued | 2025-05-15 | - |
Data de envio: dc.date.issued | 2025-05-15 | - |
Fonte completa do material: dc.identifier | https://repositorio.uel.br/handle/123456789/16689 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/980522 | - |
Descrição: dc.description | Resumo: O mundo vem sofrendo com o corona vírus desde 219, quando o primeiro caso foi re latado, desde então foi disseminado por todo o mundo, causando perdas econômicas e humanas O presente trabalho visa desenvolver um software para o diagnósticos visual de doenças pulmonares utilizando imagens de raio-x como base para o treinamento de redes neurais, visando ser mais esclarecedor da gravidade da doença Utilizando datasets fornecidos gratuitamente pelos governos Americano e Chinês, foi realizado a segmentação do pulmão da imagem de raio-x, realizando o treinamento com recortes das imagens para o treinamento local Após essa etapa, a rede realiza diversos recortes na imagem passando todas eles pela rede, gerando o vetor de probabilidade da imagem original Esse processo foi repetido para cada rede Assim a análise do entendimento da rede foi feita através do Grad-CAM gerado pelos modelos de redes pré treinadas através da transferência de aprendizado ResNet5V2, DenseNet121, InceptionResnetV2 e VGG-19, obtendo desem penho nos parâmetros de precisão e especificidade melhores que a literatura de referência | - |
Descrição: dc.description | Dissertação (Mestrado em Engenharia Elétrica) - Universidade Estadual de Londrina, Centro de Tecnologia e Urbanismo, Programa de Pós-Graduação em Engenharia Elétrica | - |
Descrição: dc.description | Abstract: The world has been suffering from the corona virus since 219, when the first case was reported, since then it has spread all over the world, causing economic losses and human The present work aims to develop software for visual diagnostics of lung diseases using x-ray imaging as a basis for training neural networks, aiming to clarify the severity of the disease Using datasets provided free of charge by the American and Chinese governments, segmentation was performed of the lung of the x-ray image, performing the training with clippings of the images to the local training After this step, the network performs several clippings in the image, passing all of them through the network, generating the probability vector of the original image This process was repeated for each network Thus, the analysis of the understanding of the network is done through of the Grad-CAM generated by the models of ResNet5V2, DenseNet121, InceptionResnetV2 and VGG 19 Achieving performance in the parameters of precision and specificity better than the reference literature | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Relação: dc.relation | Mestrado | - |
Relação: dc.relation | Engenharia Elétrica | - |
Relação: dc.relation | Centro de Tecnologia e Urbanismo | - |
Relação: dc.relation | Programa de Pós-Graduação em Engenharia Elétrica | - |
Palavras-chave: dc.subject | Doenças pulmonares | - |
Palavras-chave: dc.subject | Diagnóstico visual | - |
Palavras-chave: dc.subject | Software | - |
Palavras-chave: dc.subject | Pulmões | - |
Palavras-chave: dc.subject | Doenças | - |
Palavras-chave: dc.subject | Neural Networks (Computer) | - |
Palavras-chave: dc.subject | Lungs - Diseases | - |
Palavras-chave: dc.subject | Deep learning | - |
Título: dc.title | Algoritmos para auxílio no diagnóstico de doenças pulmonares utilizando inteligência artificial | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional da UEL - RIUEL |
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: