Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/37721| Título: | Classificação de imagens mamográficas por meio de redes neurais convolucionais |
| Autor(es): | Pereira, Vinícius Gabriel |
| Orientador(es): | Saito, Priscila Tiemi Maeda |
| Palavras-chave: | Classificação Imagens como recursos de informação Redes Neurais (Computação) Classification Pictures as information resources Neural networks (Computer science) |
| Data do documento: | 4-Set-2020 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Cornelio Procopio |
| Citação: | PEREIRA, Vinícius Gabriel. Classificação de imagens mamográficas por meio de redes neurais convolucionais. 2021. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2021. |
| Resumo: | Com o crescente aumento de dados e a necessidade de classificação torna-se essencial o desenvolvimento de técnicas de aprendizado mais eficazes e eficientes. Técnicas de aprendizado têm sido propostas na literatura em diversos domínios de aplicação. Nesse contexto, diferentes arquiteturas de redes neurais convolucionais têm se destacado. Portanto, o presente trabalho tem como objetivo o estudo, o desenvolvimento e a validação de técnicas de aprendizado para obter melhorias no processo de classificação de bioimagens, mais especificamente imagens mamográficas. Para tanto, foi realizada uma avaliação experimental considerando: i-) análise de desempenho de diferentes arquiteturas de redes neurais convolucionais; ii-) aumento de dados por meio de estratégias de data augmentation; iii-) alteração de hiperparâmetros das redes para avaliar os desempenhos das mesmas sob diferentes configurações; iv-) avaliação das características que melhor descrevem os conjuntos de dados. |
| Abstract: | With the increasing data increase and the need for classification, it is essential to develop more effective and efficient learning techniques. Learning techniques have been proposed in the literature in several fields of application. In this context, different architectures of convolutional neural networks have stood out. Therefore, the present work aims to study, develop and validate learning techniques to obtain improvements in the process of classifying bioimages, more specifically mammographic images. For that, an experimental evaluation was carried out considering: i-) performance analysis of different architectures of convolutional neural networks; ii-) increase of data through data augmentation strategies; iii-) alteration of network hyperparameters to assess their performance under different configurations; iv-) evaluation of the characteristics that best describe the data sets. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/37721 |
| Aparece nas coleções: | CP - Engenharia da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| classificacaoimagensmamograficas.pdf | 2,21 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
