XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: MODELO DEEP LEARNING PARA CLASSIFICAÇÃO DE IMAGENS TOMOGRÁFICAS DE PADRÕES DE PÓS-COVID Autor: JOAO VICTOR ROCHA DA S M CERQUEIRA
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
MARLEY MARIA BERNARDES REBUZZI VELLASCO - ORIENTADOR
KARLA TEREZA FIGUEIREDO LEITE - COORIENTADOR
Nº do Conteudo: 60501
Catalogação: 06/09/2022 Liberação: 06/09/2022 Idioma(s): PORTUGUÊS - BRASIL
Tipo: TEXTO Subtipo: TRABALHO DE FIM DE CURSO
Natureza: PUBLICAÇÃO ACADÊMICA
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60501&idi=1
Referência [de]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60501&idi=5
Referência DOI: https://doi.org/10.17771/PUCRio.acad.60501
Resumo:
Título: MODELO DEEP LEARNING PARA CLASSIFICAÇÃO DE IMAGENS TOMOGRÁFICAS DE PADRÕES DE PÓS-COVID Autor: JOAO VICTOR ROCHA DA S M CERQUEIRA
KARLA TEREZA FIGUEIREDO LEITE - COORIENTADOR
Nº do Conteudo: 60501
Catalogação: 06/09/2022 Liberação: 06/09/2022 Idioma(s): PORTUGUÊS - BRASIL
Tipo: TEXTO Subtipo: TRABALHO DE FIM DE CURSO
Natureza: PUBLICAÇÃO ACADÊMICA
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60501&idi=1
Referência [de]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60501&idi=5
Referência DOI: https://doi.org/10.17771/PUCRio.acad.60501
Resumo:
Neste trabalho foi desenvolvido um modelo de classificação de imagens tomográficas ligadas às sequelas do pós-COVID ou COVID longa, que possibilita o auxílio ao diagnóstico de tais padrões aos médicos. O modelo foi implementado usando um algoritmo de Redes Neurais Convolucionais com Transfer Learning na linguagem Python, utilizando o Google Colaboratory, que é um serviço de nuvem gratuito hospedado pelo próprio Google e frameworks PyTorch. Os modelos desenvolvidos a partir de padrões pós-COVID, identificados em pacientes do HUPE, apresentaram resultados bastante promissores.
Descrição | Arquivo |
NA ÍNTEGRA |