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/123456789/6376
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorPINTO, Antônio Moreira-
dc.date.accessioned2023-05-24T16:00:22Z-
dc.date.available2023-05-24T16:00:22Z-
dc.date.issued2021-09-22-
dc.identifier.urihttp://hdl.handle.net/123456789/6376-
dc.descriptionAbstract The Sars-CoV-2 epidemic has been one of the biggest problems to be faced by public health worldwide. In Brazil alone, from 2020 to June 2021 (DONG; DU; GARDNER, 2020), 482,000 people died from the virus. Also, according to the World Health Organization (WHO), pneumonia is responsible for 15% of deaths in children under 5 years old, being the largest cause of infant mortality in the world, especially in developing countries (WHO, 2015). From these data, we see how respiratory infections can cause strong impacts on public health worldwide. Therefore, the objective of this work is to evaluate the performance of deep neural networks in the context of detection and diagnosis of lung diseases. Optimization techniques and literature review will be used to design convolutional neural network models. The proposed models were able to achieve high recall for Sars-CoV-2 detection, of 94.89% on Efficient networks and 97.44% on Dense networks. For disease detection, without discrimination, the Efficient model achieved recall of 98.94%.pt_BR
dc.description.abstractResumo A epidemia de Sars-CoV-2 tem sido um dos maiores problemas a serem enfrentados pela saúde publica a nível mundial. Somente no Brasil, de 2020 até Junho de 2021 (DONG; DU; GARDNER, 2020), 482 mil pessoas vieram a óbito em função do vírus. Também, de acordo com a Organização Mundial da Saúde (OMS), a pneumonia é responsável por 15% das mortes de crianças menores de 5 anos, sendo a maior causa de mortalidade infantil no mundo, especialmente em países em desenvolvimento (WHO, 2015). A partir destes dados, vemos como infecções respiratórias podem causar impactos fortes na saúde pública mundial. Portanto, o objetivo deste trabalho consiste em avaliar o desempenho de redes neurais profundas no contexto de detecção e diagnóstico de doenças pulmonares. Serão utilizadas técnicas de otimização e revisão bibliográfica para elaborar modelos de redes neurais convolucionais. O modelos propostos foram capazes de alcançar recall elevado para a detecção de Sars-CoV-2, de 94,89% em redes Efficient e 97,44% em redes Dense. Para a detecção de doenças, sem discriminação, o modelo Efficient alcançou recall de 98,94%.pt_BR
dc.language.isootherpt_BR
dc.publisherUniversidade Federal do Maranhãopt_BR
dc.subjectclassificação;pt_BR
dc.subjectregressão;pt_BR
dc.subjectaprendizagem de máquina;pt_BR
dc.subjectprocessamento de imagem.pt_BR
dc.subjectclassification;pt_BR
dc.subjectregression;pt_BR
dc.subjectmachine learning;pt_BR
dc.subjectimage processing.pt_BR
dc.titleDetecção de patologias pulmonares por imagem usando deep learningpt_BR
dc.title.alternativeImaging detection of pulmonary pathologies using deep learningpt_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 
AntônioMoreiraPinto.pdfTrabalho de Conclusão de Curso8,95 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.