Logo PUC-Rio Logo Maxwell
TRABALHOS DE FIM DE CURSO @PUC-Rio
Consulta aos Conteúdos
Estatística
Título: MODELO DEEP LEARNING PARA CLASSIFICAÇÃO DE IMAGENS TOMOGRÁFICAS DE PADRÕES DE PÓS-COVID
Autor(es): JOAO VICTOR ROCHA DA S M CERQUEIRA
Colaborador(es): MARLEY MARIA BERNARDES REBUZZI VELLASCO - Orientador
KARLA TEREZA FIGUEIREDO LEITE - Coorientador
Catalogação: 06/SET/2022 Língua(s): PORTUGUÊS - BRASIL
Tipo: TEXTO Subtipo: TRABALHO DE FIM DE CURSO
Notas: [pt] 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.
[en] All data contained in the documents are the sole responsibility of the authors. The data used in the descriptions of the documents are in conformity with the systems of the administration of PUC-Rio.
Referência(s): [pt] https://www.maxwell.vrac.puc-rio.br/projetosEspeciais/TFCs/consultas/conteudo.php?strSecao=resultado&nrSeq=60501@1
[de] https://www.maxwell.vrac.puc-rio.br/projetosEspeciais/TFCs/consultas/conteudo.php?strSecao=resultado&nrSeq=60501@5
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 PDF