Publicação: Comparação entre arquiteturas de deep learning para a classificação de tumores cerebrais
Carregando...
Arquivos
Data
Autores
Orientador
Passos, Leandro Aparecido
Coorientador
Pós-graduação
Curso de graduação
Bauru - FC - Sistemas de Informação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Tumor cerebral é um problema que afeta mais de 150 mil pessoas por ano no Brasil e sempre requer exames laboratoriais e de imagem para ser constatado, com o surgimento de novas tecnologias, como por exemplo, a inteligência artificial e o aprendizado profundo, é oportuna a utilização destas ferramentas na classificação e identificação de tumores, fornecendo diagnósticos que podem melhorar a qualidade de vida das pessoas através do tratamento precoce. Sendo assim, foi realizada uma comparação entre 4 arquiteturas de aprendizado profundo, subárea da Inteligência Artificial, com o objetivo de identificar qual modelo apresenta melhor desempenho na classificação desses tumores a partir do aprendizado através das imagens de ressonância magnética dos tumores e suas variações. A métrica de desempenho utilizada como parâmetro de comparação foi a precisão, a qual foi estabelecida em 95% dado o objetivo de identificar o maior número possível de tumores cerebrais. O modelo que obteve o melhor resultado foi o que utilizou a arquitetura AlexNet, alcançando 100% de precisão na classificação de carcinomas e 84% de acurácia geral.
Resumo (inglês)
Brain tumor is a problem that affects more than 150 thousand people per year in Brazil and always requires laboratory and imaging tests to be verified. With the emergence of new technologies, such as artificial intelligence and deep learning, it is convenient to use these tools to classify and identify tumors and provide diagnoses that can improve people's quality of life through early treatment. Therefore, a comparison was carried out between 4 deep learning-based architectures, a subarea of artificial intelligence, with the aim of identifying which model presents the best performance in classifying these tumors based on learning through magnetic resonance images of the tumors and their variations. The performance metric used as a comparison parameter was precision, which was required at 95% given the objective of identifying the largest possible number of specific tumors. The model that obtained the best result was the one that used the AlexNet architecture, achieving 100% accuracy in classifying carcinomas and 84% overall accuracy.
Descrição
Palavras-chave
Aprendizado profundo, Ressonância magnética, Python, Tumor, Deep learning, Resonance
Idioma
Português
Como citar
BRAGA, Pedro Henrique Domingos. Comparação entre arquiteturas de deep learning para a classificação de tumores cerebrais. 2023. Trabalho de Concusão de Curso (Bacharelado em Sistemas de Informação) - Faculdade de Ciências, Universidade Estadual Paulista (Unesp), Bauru, 2023.
