???jsp.display-item.identifier??? https://repositorio.unipampa.edu.br/jspui/handle/riu/7923
???org.dspace.app.webui.jsptag.ItemTag.full???
???org.dspace.app.webui.jsptag.ItemTag.dcfield??????org.dspace.app.webui.jsptag.ItemTag.value??????org.dspace.app.webui.jsptag.ItemTag.lang???
dc.contributor.advisor1Flores, Eliezer Soares-
dc.creatorFerreira, Mauricio de Sousa-
dc.date.accessioned2023-02-22T19:56:02Z-
dc.date.available2023-02-22T19:56:02Z-
dc.date.issued2023-01-18-
dc.identifier.citationFERREIRA, Mauricio de Sousa. Combinando algoritmos de agrupamento e superpixels para a segmentação de lesões melanocíticas em imagens macroscópicas. Orientador: Eliezer Soares Flores. 2023. 48p. Trabalho de Conclusão de Curso (Bacharel em Engenharia Elétrica) - Universidade Federal do Pampa, Curso de Engenharia Elétrica, Alegrete, 2023.pt_BR
dc.identifier.urihttps://repositorio.unipampa.edu.br/jspui/handle/riu/7923-
dc.description.abstractMelanoma is a skin cancer that can be extremely aggressive in its final stages, and in some cases, it can develop metastasis. Due to these complications, the diagnosis of suspicious melanocytic lesions should be performed as soon as possible. Therefore, proposals to improve the use of computational systems, in this context, have been widely investigated. In the present work, two variations, one supervised and the other unsupervised, of a method for the segmentation of macroscopic images of melanocytic lesions were investigated. Before the segmentation itself, the input image is pre-processed by an algorithm that performs brightness regularization in order to mitigate the effects arising from irregular lighting. Then, the pre-processed image is represented using superpixels. For each of these superpixels, features of the R, G and B channels are extracted. Subsequently, a clustering algorithm is fed with the extracted features and, based on that, partitions the superpixels into two groups, which are expected to predominantly correspond to the regions of lesion (foreground - object of interest) and non- lesion (background - background). Finally, some basic post-processing steps are performed in order to refine and standardize the segmentation results, so that the pixels identified as lesions are represented by white and the others by black. For the preliminary evaluation of the proposed methods, the results produced by several variations of the method were used to compare the variants in terms of accuracy, sensitivity, specificity and XOR errors.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal do Pampapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectEngenharia elétricapt_BR
dc.subjectAlgoritmos computacionaispt_BR
dc.subjectProcessamento de imagenspt_BR
dc.subjectPele – Câncerpt_BR
dc.subjectMelanomapt_BR
dc.subjectElectric engineeringpt_BR
dc.subjectComputational algorithmspt_BR
dc.subjectImagem processingpt_BR
dc.subjectSkin - Cancerpt_BR
dc.subjectMelanomapt_BR
dc.titleCombinando algoritmos de agrupamento e superpixels para a segmentação de lesões melanocíticas em imagens macroscópicaspt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.publisher.initialsUNIPAMPApt_BR
dc.publisher.countryBrasilpt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.description.resumoO melanoma é um câncer de pele que pode ser extremamente agressivo em seus estágios finais, podendo, em alguns casos, desenvolver metástase. Devido a essas complicações, o diagnóstico de lesões melanocíticas suspeitas deve ser realizado o quanto antes. Por isso, propostas para aperfeiçoar o uso de sistemas computacionais, neste contexto, vêm sendo amplamente investigadas. No presente trabalho, investigou-se duas variações, uma supervisionada e outra não supervisionada, de um método para a segmentação de imagens macroscópicas de lesões melanocíticas. Antes da segmentação propriamente dita, a imagem de entrada é pré-processada por um algoritmo que efetua uma regularização no brilho, a fim de mitigar os efeitos decorrentes da iluminação irregular. Em seguida, a imagem pré-processada é representada por meio de superpixels. Para cada um desses superpixels, são extraídas características dos canais R, G e B. Subsequentemente, um algoritmo de aglomeração é alimentado com os dados extraídos e, com base nisso, particiona os superpixels em dois grupos, os quais espera-se que correspondam, predominantemente, às regiões de lesão (foreground - objeto de interesse) e não lesão (background - fundo). Por fim, algumas etapas básicas de pós-processamento são efetuadas, visando refinar e padronizar os resultados de segmentação, de um modo que os pixels identificados como lesão sejam representados pela cor branca e os demais pela cor preta. Para a avaliação preliminar dos métodos propostos, os resultados produzidos por diversas variações do método foram empregados para comparar as variantes em termos da acurácia, sensibilidade, especificidade e erros XOR.pt_BR
dc.publisher.departmentCampus Alegretept_BR
???org.dspace.app.webui.jsptag.ItemTag.appears???Engenharia Elétrica

???org.dspace.app.webui.jsptag.ItemTag.files???
???org.dspace.app.webui.jsptag.ItemTag.file??? ???org.dspace.app.webui.jsptag.ItemTag.description??? ???org.dspace.app.webui.jsptag.ItemTag.filesize??????org.dspace.app.webui.jsptag.ItemTag.fileformat??? 
Mauricio de Sousa Ferreira - 2023.pdf1.67 MBAdobe PDF???org.dspace.app.webui.jsptag.ItemTag.view???


???jsp.display-item.copyright???