TCC - Bacharelado em Sistemas da Informação (Sede)
URI permanente para esta coleçãohttps://arandu.ufrpe.br/handle/123456789/427
Navegar
2 resultados
Resultados da Pesquisa
Item Técnicas preditivas para auxílio no diagnóstico de melanomas via imagens(2024-10-02) Silva Júnior, José Carlos Monte; Soares, Rodrigo Gabriel Ferreira; http://lattes.cnpq.br/2526739219416964O câncer de pele é o tipo mais comum de câncer no mundo, dividido em dois tipos principais: melanoma e não melanoma. Embora mais raro, o melanoma é o mais letal devido ao seu potencial de causar metástase. Métodos não invasivos, como a dermatoscopia e a regra ABCDE, têm sido utilizados para evitar procedimentos cirúrgicos desnecessários e têm ajudado na identificação de lesões, contribuindo para diagnósticos mais rápidos. Com o avanço da tecnologia, a Inteligência Artificial (IA) ganhou destaque, mostrando-se uma solução promissora para a análise de dados médicos, especialmente com o uso de Redes Neurais Convolucionais (RNCs), que podem reconhecer padrões em imagens dermatoscópicas e ajudar na classificação de lesões como melanoma ou não melanoma de forma automatizada. Este projeto propõe um comitê de classificadores baseado em Redes Neurais Convolucionais para classificar imagens dermatoscópicas como melanoma ou não melanoma, comparando seu desempenho com arquiteturas validadas, como AlexNet e VGG-16, utilizando técnicas de Transfer Learning. As análises de Precisão, Revocação e Pontuação F1 mostraram que o comitê de Redes Neurais Convolucionais superou os modelos que utilizam técnicas de Transfer Learning, com a AlexNet apresentando desempenho superior à VGG-16. O comitê de Redes Neurais Convolucionais demonstrou uma maior capacidade de generalização, mostrando-se promissor ao capturar as características relevantes das imagens, revelando potencial para aplicações médicas, embora ainda precise ser refinado para atingir padrões clínicos.Item Uma abordagem para o suporte ao diagnóstico de melanoma por imagem via comitês de autoencoders(2021-12-17) Silva, Evele Kelle Lemos; Soares, Rodrigo Gabriel Ferreira; http://lattes.cnpq.br/2526739219416964O câncer de pele é o tipo de câncer mais comum no Brasil, representando cerca de 33% dos casos de neoplasias malignas no país. O Melanoma é um tipo de câncer de pele que representa somente 3% dos casos de câncer no órgão, mas é considerado o mais ofensivo devido à sua alta possibilidade de metástase, que se trata da disseminação do câncer para outros órgãos. Embora o melanoma seja considerado a principal doença fatal da pele, a introdução de novos medicamentos juntamente com a detecção do tumor em seus estágios iniciais, têm contribuído para prognósticos positivos. Através da regra ABCDE, é possível perceber o melanoma por meio de características presentes na lesão, no entanto, a identificação do melanoma por meio da observação muitas vezes é falha, principalmente quando se trata de um médico ainda inexperiente. Diante disto, este trabalho tem como objetivo de selecionar e utilizar técnicas de Aprendizado de Máquina para propor um modelo que possa auxiliar médicos dermatologistas na identificação de lesões da pele através de imagens dermatoscópicas, servindo como uma segunda opinião sobre se tratar ou não de melanoma. O modelo proposto foi comparado com técnicas amplamente utilizadas na literatura para resolução de problemas complexos, com o objetivo de apresentar um desempenho superior. Utilizando a Precisão e Revocação o modelo proposto se mostrou equiparável aos demais, embora tenha tido acesso a somente 0,1% das dimensões da imagem, o que indica que o modelo trabalhou bem ao encontrar as características que discriminam as lesões da pele.