1. Biblioteca Digital de Monografias
  2. CAMPUS DO BACANGA
  3. Curso de Graduação em Ciência da Computação do Campus do Bacanga
  4. TCCs de Graduação em Ciência da Computação do Campus do Bacanga
Use este identificador para citar ou linkar para este item: http://hdl.handle.net/123456789/3532
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorFERREIRA, Bruno Eduardo Silva-
dc.date.accessioned2019-06-10T19:55:34Z-
dc.date.available2019-06-10T19:55:34Z-
dc.date.issued2018-12-14-
dc.identifier.urihttp://hdl.handle.net/123456789/3532-
dc.descriptionAbstract The high mortality rate in cases of skin cancer is one factor that leads to the early diagnosis of melanoma being a challenge for computer medicine. Medical experts have some tools that help in the early diagnosis of this type of cancer, one of these tools is dermatoscopy. In this segment, there are studies that aim to diagnose this disease automatically using Artificial Intelligence tools through dermatoscopic images, since the earlier the cancer is discovered, the greater the chances of cure. A very important step in the diagnosis process is the segmentation of the lesions to better feature extraction . This work aims to use the U-net convolutional neural network to segment dermoscopic images with the objective of assisting in the automatic diagnosis process. The tests were performed in two databases, one public (PH2) and one composed of images taken from the ISIC repository. In both, satisfactory results were obtained, obtaining a mean of Sensitivity, Accuracy and Dice Coefficient of over 97 %.pt_BR
dc.description.abstractO alto índice de mortalidade em casos de câncer de pele é um fator que leva o diagnóstico precoce de Melanoma a ser um desafio para a medicina computacional. Os médicos especialistas têm algumas ferramentas que auxiliam no diagnóstico precoce desse tipo de câncer,uma dessas ferramentas é a dermatoscopia. Neste segmento, existem estudos que têm como o objetivo realizar o diagnóstico dessa doença de forma automática utilizando ferramentas da Inteligência Artificial por meio de imagens dermatoscópicas, visto que o quanto mais cedo é feita a descoberta do câncer, maiores as chances de cura. Uma etapa muito importante do processo de diagnóstico consiste na segmentação das lesões para melhor extração de características. Este trabalho tem por objetivo utilizar a rede neural convolucional U-net para segmentar imagens dermatoscópicas com o objetivo de auxiliar no processo de diagnóstico automático. Os testes foram realizados em duas bases de dados, sendo uma pública(PH2) e uma composta por imagens retiradas do repositório ISIC. Em ambas obteve-se resultados satisfatórios, obtendo uma média de Sensibilidade, Precisão e Coeficiente de Dice superior a 97%.pt_BR
dc.language.isootherpt_BR
dc.publisherUniversidade Federal do Maranhãopt_BR
dc.subjectMelanomapt_BR
dc.subjectSegmentaçãopt_BR
dc.subjectRedes neurais convolutivaspt_BR
dc.subjectDermatoscopiapt_BR
dc.subjectMelanomapt_BR
dc.subjectSegmentationpt_BR
dc.subjectConvolutive neural networkspt_BR
dc.subjectDermoscopypt_BR
dc.titleSegmentação semântica de lesões de pele utilizando redes neurais convolucionaispt_BR
dc.title.alternativeSemantic segmentation of skin lesions using convolutional neural networkspt_BR
dc.typeOtherpt_BR
Aparece nas coleções:TCCs de Graduação em Ciência da Computação do Campus do Bacanga

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
BRUNO-FERREIRA.pdfTrabalho de Conclusão de Curso1,66 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.