1. Biblioteca Digital de Monografias
  2. CAMPUS DO BACANGA
  3. Curso de Graduação em Engenharia da Computação do Campus do Bacanga
  4. TCCs de Graduação de Engenharia da Computação do Campus do Bacanga
Use este identificador para citar ou linkar para este item: http://hdl.handle.net/123456789/7596
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorARANHA JUNIOR, José Roberto de Araujo-
dc.date.accessioned2024-07-12T14:07:38Z-
dc.date.available2024-07-12T14:07:38Z-
dc.date.issued2023-07-20-
dc.identifier.urihttp://hdl.handle.net/123456789/7596-
dc.descriptionSymptomatic breast hypertrophy (SBH) is a benign alteration characterized by the enlargement of one or both breasts, which can have a series of negative consequences on the physical and psychosocial health of women. In more severe cases, breast reduction surgery, known as mammaplasty, may be necessary to reduce excessive volume. In the pre-surgical phase, it is essential for the specialist to have information about the shape, size, and volume of the region. However, quantifying the breast region is complex and susceptible to the specialist’s subjective analysis or examinations that may not always be available, such as magnetic resonance imaging. The use of computational tools can assist in providing more accurate metrics to support decision making and proper management. This study proposes a methodology based on digital image processing and convolutional neural networks for segmentation of the breast region, as a step towards future volume calculation. The results obtained are promising, with precision and recall metrics exceeding 93%, among others.pt_BR
dc.description.abstractA hipertrofia mamária sintomática (HMS) é uma alteração benigna caracterizada pelo aumento de uma ou ambas as mamas, que pode trazer uma série de consequências negativas à saúde física e psicossocial da mulher. Em casos mais graves, pode ser necessária a mamoplastia redutora, cirurgia que visa diminuir o volume excessivo. Na fase pré-operatória, é fundamental que o especialista possua informações quanto à forma, tamanho e volume da região. Entretanto, a região mamária é complexa de quantificar e fica sujeita à analise subjetiva do especialista ou a exames que nem sempre estão a disposição, como a ressonância magnética. O uso de ferramentas computacionais pode auxiliar a fornecer métricas mais precisas para embasar a tomada de decisão e o manejo adequado. Este trabalho propõe uma metodologia baseada em processamento digital de imagens e redes neurais convolucionais para a segmentação da região mamária, de modo a servir de etapa para cálculo futuro do volume. Os resultados obtidos são promissores com, entre outras métricas, precisão e recall superiores a 93%.pt_BR
dc.publisherUFMApt_BR
dc.subjecthipertrofia mamária sintomática;pt_BR
dc.subjectmamoplastia;pt_BR
dc.subjectprocessamento digital de ima gens;pt_BR
dc.subjectredes neurais convolucionais;pt_BR
dc.subjectsegmentaçãopt_BR
dc.subjectsymptomatic breast hypertrophy;pt_BR
dc.subjectmammaplasty;pt_BR
dc.subjectdigital image processing;pt_BR
dc.subjectconvolu tional neural networks;pt_BR
dc.subjectsegmentationpt_BR
dc.titleUMA PROPOSTA DE SISTEMA PARA SEGMENTAÇÃO DE MAMAS EM MULHERES PORTADORAS DE HIPERTROFIA MAMÁRIA SINTOMÁTICApt_BR
dc.title.alternativeA PROPOSAL FOR A BREAST SEGMENTATION IN WOMEN WITH SYMPTOMATIC BREAST HYPERTROPHYpt_BR
dc.typeOtherpt_BR
Aparece nas coleções:TCCs de Graduação de Engenharia da Computação do Campus do Bacanga

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
JOSÉ ROBERTO DE ARAUJO ARANHA JUNIOR.pdfTCC de Graduação4,64 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.