Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.unipampa.edu.br/jspui/handle/riu/4663
Tipo: Trabalho de Conclusão de Curso
Título : Classificação de imagens de ultrassonografia com redes neurais convolucionais em ambiente de alto desempenho
Autor(es): Gallert, Liziane Zerbin
Primeiro Orientador: Camargo, Sandro da Silva
Coorientador: Pinho, Leonardo Bidese de
1° Membro da banca: Camargo, Sandro da Silva
2° Membro da banca: Pinho, Leonardo Bidese de
3° Membro da banca: Heinen, Milton Roberto
4° Membro da banca: Amaral, Érico Marcelo Hoff do
Resumo: Avanços na análise computadorizada de imagens médicas proporcionam o surgimento de métodos e técnicas que possam auxiliar no diagnóstico precoce de uma série de doenças. Atualmente esses diagnósticos se dão por meio de inspeção visual por parte de especialistas humanos. Este trabalho descreve o desenvolvimento de um modelo computacional, baseado em Redes Neurais Convolucionais (CNN), que objetiva auxiliar o médico radiologista na confirmação de um diagnóstico, por meio da identificação de massas em achados de imagens ultrassonográficas de fígado. Em geral, o processo de treinamento de uma rede neural exige um alto poder de processamento para dados densos. Quando se trata de processamento de imagens, esta questão é ainda mais realçada, visto que o número de entradas da rede é proporcional ao número de pixels da imagem de interesse, justificando o uso de processamento paralelo. É importante ressaltar que a classe de imagens médicas não pode permitir armazenamento com perdas de dados e exige precisão em sua identificação. O modelo de CNN proposto foi capaz de realizar a classificação dessas massas com uma precisão de 85%, para o conjunto de imagens analisadas.
Resumen : Advances in the computerized analysis of medical images provide the emergence of methods and techniques that may assist in the early diagnosis of a number of diseases. Currently, these diagnoses are so due to visual inspection by human experts. This paper describes the development of a computational model, based on Convolutional Neural Network (CNN), that aims to assist the radiologist in the confirmation of a diagnosis by identifying masses in findings of ultrasonographic images of the liver. In general, the process of training a neural network requires a high processing power for dense data. When it comes to image processing, this issue is further enhanced, since the number of network inputs is proportional to the number of pixels of the image of interest, justifying the use of parallel processing. It is important to note that the medical imaging class does not allow lossy data storage and requires precission in its identification. The developed CNN model was able to perform the classification of these masses with an accuracy of 85% , for the set of analyzed images.
Palabras clave : Inteligência Artificial
Diagnóstico por Imagem
GPU
Microsoft Cognitive Toolkit
Artificial neural network
Convolutional neural network
Ultrasound images
CNPQ: CNPQ::ENGENHARIAS
Idioma: por
metadata.dc.publisher.country: Brasil
Editorial : Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Bagé
Citación : GALLERT, Liziane Zerbin. Classificação de imagens de ultrassonografia com redes neurais convolucionais em ambiente de alto desempenho. 81 p. 2018. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal do Pampa, Campus Bagé, Bagé, 2018.
Tipo de acesso: Acesso Aberto
URI : http://dspace.unipampa.edu.br:8080/jspui/handle/riu/4663
Fecha de publicación : 8-dic-2018
Aparece en las colecciones: Engenharia de Computação

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TCC_2018_2_Liziane_Gallert.pdf2.01 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.