Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufpe.br/handle/123456789/45298
Comparte esta pagina
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | LIMA, Rita de Cássia Fernandes de | - |
dc.contributor.author | AGUIAR, Yago de Miranda | - |
dc.date.accessioned | 2022-07-28T14:25:45Z | - |
dc.date.available | 2022-07-28T14:25:45Z | - |
dc.date.issued | 2021-09-10 | - |
dc.identifier.citation | AGUIAR, Yago de Miranda. Desenvolvimento e aplicação de metodologia de aprendizagem de máquina para classificação de imagens termográficas na área médica. 2021. Dissertação (Mestrado em Engenharia Mecânica) - Universidade Federal de Pernambuco, Recife, 2021. | pt_BR |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/45298 | - |
dc.description.abstract | O presente trabalho tem como objetivo aplicar uma metodologia de classificação de imagens termográficas mamárias, por meio de uma plataforma computacional de código aberto (Orange Canvas), e avaliar o impacto nos resultados pelo uso de diferentes formas de segmentação de imagem e técnicas de redução de desbalanceamento edimensionalidade. Foramavaliadas duas diferentes bases de dados de imagens termográficas de pacientes do Hospital das Clínicas da UFPE. Utilizou-se cinco algoritmos declassificação, que aliados às técnicas de SMOTE e PCA/Rank/PSO, obtiveram comoresultado: 96,2% de Acurácia e 99,5% de Sensibilidade ao Maligno para classificação binária (Câncer x Não-Câncer), e 65,6% de Acurácia e 92,2% de Sensibilidade aoMaligno para classificação em quatro classes (Maligno, Benigno, Cisto e Normal). | pt_BR |
dc.description.sponsorship | CNPq | pt_BR |
dc.language.iso | por | pt_BR |
dc.publisher | Universidade Federal de Pernambuco | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Engenharia mecânica | pt_BR |
dc.subject | Termografia | pt_BR |
dc.subject | Aprendizagem de máquina | pt_BR |
dc.subject | Orange Canvas | pt_BR |
dc.subject | Câncer de mama | pt_BR |
dc.title | Desenvolvimento e aplicação de metodologia de aprendizagem de máquina para classificação de imagens termográficas na área médica | pt_BR |
dc.type | masterThesis | pt_BR |
dc.contributor.advisor-co | ARAÚJO, Marcus Costa de | - |
dc.contributor.authorLattes | http://lattes.cnpq.br/7583625135875377 | pt_BR |
dc.publisher.initials | UFPE | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.degree.level | mestrado | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/4457435468771667 | pt_BR |
dc.publisher.program | Programa de Pos Graduacao em Engenharia Mecanica | pt_BR |
dc.description.abstractx | The present work aims to apply a methodology for classification of breast thermographic images using two open source computational platforms (Matlab and Orange Canvas), and to evaluate the impact on the results by using different forms of image segmentation, techniques of balancing and dimensionality reduction. Two databases of thermographic images of patients from the Hospital das Clínicas of UFPE were evaluated. Five classifi- cation algorithms were used, which combined with the SMOTE and PCA/Rank/PSO techniques, obtained as a result: 96.2% Accuracy and 99.5% Sensitivity to Malignant for binary classification (Cancer x Non- Cancer), and 65.6% Accuracy and 92.2% Sensitivity to Malignant for classification into four classes (Malignant, Benign, Cyst and Normal). | pt_BR |
dc.contributor.advisor-coLattes | http://lattes.cnpq.br/4157405186898932 | pt_BR |
Aparece en las colecciones: | Dissertações de Mestrado - Engenharia Mecânica |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
DISSERTAÇÃO Yago de Miranda Aguiar.pdf | 3,62 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons