Título
[en] DEEP LEARNING FOR MEDICAL IMAGING EXAMINATIONS
Título
[pt] DEEP LEARNING PARA EXAMES MÉDICOS DE IMAGEM
Autor
[pt] MARCOS VINICIUS ARAUJO ALMEIDA
Vocabulário
[pt] APRENDIZADO PROFUNDO
Vocabulário
[pt] IMAGENS DE EXAMES MEDICOS
Vocabulário
[pt] RESNET50
Vocabulário
[pt] INCEPTIONV3
Vocabulário
[pt] PNEUMONIA
Vocabulário
[pt] REDES NEURAIS DE CONVOLUCAO
Vocabulário
[en] DEEP LEARNING
Vocabulário
[en] MEDICAL IMAGING
Vocabulário
[en] RESNET50
Vocabulário
[en] INCEPTIONV3
Vocabulário
[en] PNEUMONIA
Vocabulário
[en] CONVOLUTIONAL NEURAL NETWORKS
Resumo
[pt] As Redes Neurais Convolucionais (CNNs) representam um avanço significativo no campo de imagens médicas, redefinindo os métodos de diagnóstico
e análise. Sua eficácia se destaca na identificação e classificação de anormalidades, facilitando a detecção precoce de condições como câncer, lesões cerebrais e problemas cardíacos. Nessa tese, foram comparados modelos baseados
em CNNs para determinar o mais eficiente na tarefa de classificar imagens de
raio-X pulmonares, com o objetivo de diagnosticar a presença ou ausência de
pneumonia. Este trabalho destacou o potencial das CNNs em aplicações práticas, evidenciando sua relevância e eficácia no diagnóstico médico por imagem.
Resumo
[en] Convolutional Neural Networks (CNNs) represent a significant advancement in the field of medical imaging, redefining diagnostic and analytical methods. Their effectiveness is particularly notable in the identification and classification of abnormalities, promoting the early detection of conditions suchas cancer, brain injuries, and cardiac issues. In this thesis, CNN-based models were compared to decide the most efficient one for the task of classifying pulmonary X-ray images, aimed at diagnosing the presence or absence of pneumonia. This work highlighted the potential of CNNs in practical applications,underscoring their relevance and efficacy in image-based medical diagnosis.
Orientador(es)
AUGUSTO CESAR ESPINDOLA BAFFA
Catalogação
2024-01-12
Tipo
[pt] TEXTO
Formato
application/pdf
Idioma(s)
PORTUGUÊS
Referência [pt]
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=65879@1
Referência [en]
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=65879@2
Referência DOI
https://doi.org/10.17771/PUCRio.acad.65879
Arquivos do conteúdo
NA ÍNTEGRA PDF