Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: LÍLIAM BARROSO LEAL
DATA: 14/10/2024
HORA: 14:00
LOCAL: Sala Virtual
TÍTULO: CLASSIFICAÇÃO DE TUMOR CEREBRAL POR MEIO DE REDES NEURAIS CONVOLUCIONAIS EM IMAGENS DE RESSONÂNCIA MAGNÉTICA.
PALAVRAS-CHAVES: Tumor cerebral, Imagem de ressonância magnética, Aprendizado de máquina, Rede neural convolucional.
PÁGINAS: 49
GRANDE ÁREA: Ciências da Saúde
ÁREA: Medicina
RESUMO:

A classificação precisa de imagens de tumor cerebral é um importante desafio na área da saúde, que exige diagnósticos rápidos e confiáveis para um tratamento adequado. Esta tese, apresenta uma abordagem para classificação automatizada de imagens de tumores cerebrais utilizando Redes Neurais Convolucionais (CNNs). A pesquisa se concentra no desenvolvimento de um modelo de aprendizagem profunda direcionado para os desafios apresentados pelos dados de imagens médicas, como a alta variabilidade na aparência do tumor e a escassez de conjuntos de dados rotulados, bem como na apresentação dos resultados por meio de uma interface de software com o corpo médico. Propomos uma arquitetura CNN que integra aprendizado por transferência e aumento da variabilidade de dados para melhorar o desempenho da classificação. O modelo é treinado e validado em conjuntos de dados de tumor cerebral disponível publicamente, com imagens de ressonância magnética ponderados em T1, com os tipos de tumores mais comuns, meningiomas, gliomas e tumores de pituitária. Nossos resultados, avaliados por meio de métricas padrão, demonstraram que o modelo fundamentado no VGG16 obteve os melhores resultados de classificação entre os três modelos avaliados. Sua arquitetura profunda e capacidade de aprendizado permitiram que ele aprendesse representações mais discriminativas dos tumores cerebrais, resultando em uma taxa de acurácia superior. Além disso, os resultados da implementação do VGG16 foram comparados com estudos anteriores que representam o estado da arte na área. Essa comparação evidenciou a eficácia e relevância do modelo VGG16 para esse problema classificação. Esses achados são de grande importância, pois oferecem perspectivas valiosas para o desenvolvimento de sistemas automatizados de classificação de tumores no cérebro que aumentem a confiança e reduzam o tempo no processo de diagnóstico.

MEMBROS DA BANCA:
Interno - 2157495 - ANDERSON NOGUEIRA MENDES
Externo ao Programa - 578.212.243-91 - CARLOS GIOVANNI NUNES DE CARVALHO - UESPI
Externo à Instituição - DEUZUITA DOS SANTOS FREITAS VIANA - UEMA
Presidente - 778.751.253-91 - FRANCISCO DAS CHAGAS ALVES LIMA - UESPI
Externo ao Programa - 240.361.453-04 - VICENTE GALBER FREITAS VIANA - IFPI

Cadastrada em: 13/09/2024