Aplicação de modelos de deep learning para a detecção do câncer de pulmão

Página do item simplificado
dc.contributor.advisorLotufo, Anna Diva Plasencia [UNESP]
dc.contributor.authorAtoche Galarreta, Andrés Iván
dc.contributor.coadvisorGarcia, Leonardo
dc.date.accessioned2024-05-21T19:59:49Z
dc.date.available2024-05-21T19:59:49Z
dc.date.issued2024-03-13
dc.description.abstractNa América Latina, nos últimos anos, o câncer de pulmão emergiu como uma das principais causas de mortalidade. Segundo estimativas de 2023, no Brasil, esse tipo de câncer ocupa o terceiro lugar em incidência entre os homens e o quarto entre as mulheres. Essa problemática é agravada devido ao acesso limitado aos serviços de saúde, especialmente entre as pessoas em situação de pobreza, que são mais afetadas. Esse panorama apresenta um desafio significativo para a nossa sociedade. Com o objetivo de abordar essa questão, este estudo concentrou-se na avaliação do desempenho de cinco modelos diferentes de redes convolucionais aplicadas ao diagnóstico do câncer a partir de imagens médicas. Para isso, utilizou-se um conjunto de dados composto por tomografias computadorizadas de pulmões classificadas em três estados: maligno, benigno e normal. Utilizando a técnica de aprendizado de transferência, esses cinco modelos foram treinados e avaliados sob diferentes cenários (experimentos). Os resultados obtidos revelaram que o modelo InceptionV3 demonstrou o melhor desempenho em termos de precisão. Por outro lado, o modelo Xception alcançou uma precisão superior a 90% em seis de oito cenários avaliados.en
dc.description.abstractIn Latin America, in recent years, lung cancer has emerged as one of the leading causes of mortality. According to estimates from 2023, in Brazil, this type of cancer ranks third in incidence among men and fourth among women. This issue is exacerbated due to limited access to healthcare services, especially among individuals living in poverty, who are disproportionately affected. This landscape presents a significant challenge for our society.In order to address this issue, this study focused on evaluating the performance of five different convolutional network models applied to cancer diagnosis using medical imaging. The aim was to determine which models respond best to lung cancer diagnosis. To achieve this, a dataset consisting of lung computed tomography scans classified into three states—malignant, benign, and normal—was utilized. Employing transfer learning, these five models were trained and evaluated under different scenarios.The results obtained revealed that the InceptionV3 model demonstrated the best performance in terms of accuracy. On the other hand, the Xception model achieved an accuracy exceeding 90% in six out of the eight evaluated scenarios.pt
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
dc.description.sponsorshipIdCAPES: 001
dc.identifier.citationATOCHE GALARRETA, Andrés Iván. Aplicação de modelos de deep learning para a detecção do câncer de pulmão. 81 f. 2024. Dissertação (Mestrado em Automação) - Faculdade de Engenharia, Universidade Estadual Paulista - UNESP, 2024.
dc.identifier.urihttps://hdl.handle.net/11449/255701
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.subjectDeep learningen
dc.subjectLung canceren
dc.subjectTransfer learningen
dc.subjectInceptionen
dc.subjectXceptionen
dc.subjectCâncer de pulmãopt
dc.subjectAprendizado de transferênciapt
dc.subjectAprendizado profundopt
dc.subjectImagens médicaspt
dc.titleAplicação de modelos de deep learning para a detecção do câncer de pulmão
dc.title.alternativeApplication of Deep Learning models for the detection of lung canceren
dc.title.alternativeAplicación de modelos de deep learning para la detección de cancer de pulmónes
dc.typeDissertação de mestrado
unesp.campusUniversidade Estadual Paulista (Unesp), Faculdade de Engenharia, Ilha Solteirapt
unesp.embargoOnline
unesp.examinationboard.typeBanca pública
unesp.graduateProgramEngenharia Elétrica - FEIS 33004099080P0
unesp.knowledgeAreaAutomação
unesp.researchAreaSistemas de Energia Elétrica

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
atoche_galarreta_ai_me_ilha.pdf
Tamanho:
4.03 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.14 KB
Formato:
Item-specific license agreed upon to submission
Descrição:

Coleções

Ilha Solteira - FEIS - Faculdade de Engenharia