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: Q-NAS APPLIED TO THE CLASSIFICATION OF MEDICAL IMAGES Autor: MARINA MORAES DA SILVEIRA
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
MARLEY MARIA BERNARDES REBUZZI VELLASCO - ADVISOR
KARLA TEREZA FIGUEIREDO LEITE - CO-ADVISOR
Nº do Conteudo: 61591
Catalogação: 20/12/2022 Liberação: 26/12/2022 Idioma(s): ENGLISH - UNITED STATES
Tipo: TEXT Subtipo: SENIOR PROJECT
Natureza: SCHOLARLY PUBLICATION
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 [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=61591&idi=2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.61591
Resumo:
Título: Q-NAS APPLIED TO THE CLASSIFICATION OF MEDICAL IMAGES Autor: MARINA MORAES DA SILVEIRA
KARLA TEREZA FIGUEIREDO LEITE - CO-ADVISOR
Nº do Conteudo: 61591
Catalogação: 20/12/2022 Liberação: 26/12/2022 Idioma(s): ENGLISH - UNITED STATES
Tipo: TEXT Subtipo: SENIOR PROJECT
Natureza: SCHOLARLY PUBLICATION
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 [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=61591&idi=2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.61591
Resumo:
This undergraduate thesis consists in classifying images obtained from chest computed tomography (CT) scans from patients who have had COVID-19 before by using Neural Networks.
The Q-NAS model is a quantum inspired algorithm to search for deep networks by assembling substructures. The basic premise of a NAS model (Neural Architecture Search) is the capability of automatically generating and searching the best neural network architectures, without requiring advanced machine learning knowledge from the user. The Q-NAS has the same premise but using quantum physics paradigms which improves the accuracy and the convergence time.
Because of these advantages, the Q-NAS model was applied to the CT images and classified them in six different classes according to the post-covid lung pattern found. The purpose of this undergraduate project is to generate new neural networks capable of classifying the post-covid patterns with a new database and test those models by using new inputs that were obtained from Pedro Ernesto University Hospital s patients.
| Descrição | Arquivo |
| COMPLETE |
