TRABALHOS DE FIM DE CURSO @PUC-Rio
| Título: | USO DE TÉCNICAS DE DEEP LEARNING PARA A CLASSIFICAÇÃO DE VÍDEOS DE EXAMES MÉDICOS | ||||||||||||
| Autor(es): |
RAFAEL LAVATORI CAETANO DE BASTOS |
||||||||||||
| Colaborador(es): |
PAULO IVSON NETTO SANTOS - Orientador |
||||||||||||
| Catalogação: | 03/JUL/2025 | 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=71415@1 |
||||||||||||
| DOI: | https://doi.org/10.17771/PUCRio.acad.71415 | ||||||||||||
| Resumo: | |||||||||||||
|
Este trabalho aborda o emprego de técnicas de Deep Learning para o treinamento e uso de rede neural na classificação de exames de videofluoroscopia, empregados no diagnóstico de disfagia, como sintoma de doenças neurodegenerativas ou tumores. As arquiteturas implementadas baseiam-se em redes convolucionais (CNN), associadas ou não com memórias de longo e curto prazo (long short-term Memory – LSTM). A arquitetura que apresentou melhor resultado, muito próximo ao estado da arte, foi o modelo baseado em VGG16 multi-classe, treinado a partir de 100 vídeos de videofluoroscopia, disponibilizados pelo INCA.
|
|||||||||||||
|
|||||||||||||