Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/45298

Compartilhe esta página

Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorLIMA, Rita de Cássia Fernandes de-
dc.contributor.authorAGUIAR, Yago de Miranda-
dc.date.accessioned2022-07-28T14:25:45Z-
dc.date.available2022-07-28T14:25:45Z-
dc.date.issued2021-09-10-
dc.identifier.citationAGUIAR, Yago de Miranda. Desenvolvimento e aplicação de metodologia de aprendizagem de máquina para classificação de imagens termográficas na área médica. 2021. Dissertação (Mestrado em Engenharia Mecânica) - Universidade Federal de Pernambuco, Recife, 2021.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/45298-
dc.description.abstractO presente trabalho tem como objetivo aplicar uma metodologia de classificação de imagens termográficas mamárias, por meio de uma plataforma computacional de código aberto (Orange Canvas), e avaliar o impacto nos resultados pelo uso de diferentes formas de segmentação de imagem e técnicas de redução de desbalanceamento edimensionalidade. Foramavaliadas duas diferentes bases de dados de imagens termográficas de pacientes do Hospital das Clínicas da UFPE. Utilizou-se cinco algoritmos declassificação, que aliados às técnicas de SMOTE e PCA/Rank/PSO, obtiveram comoresultado: 96,2% de Acurácia e 99,5% de Sensibilidade ao Maligno para classificação binária (Câncer x Não-Câncer), e 65,6% de Acurácia e 92,2% de Sensibilidade aoMaligno para classificação em quatro classes (Maligno, Benigno, Cisto e Normal).pt_BR
dc.description.sponsorshipCNPqpt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectEngenharia mecânicapt_BR
dc.subjectTermografiapt_BR
dc.subjectAprendizagem de máquinapt_BR
dc.subjectOrange Canvaspt_BR
dc.subjectCâncer de mamapt_BR
dc.titleDesenvolvimento e aplicação de metodologia de aprendizagem de máquina para classificação de imagens termográficas na área médicapt_BR
dc.typemasterThesispt_BR
dc.contributor.advisor-coARAÚJO, Marcus Costa de-
dc.contributor.authorLatteshttp://lattes.cnpq.br/7583625135875377pt_BR
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.levelmestradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/4457435468771667pt_BR
dc.publisher.programPrograma de Pos Graduacao em Engenharia Mecanicapt_BR
dc.description.abstractxThe present work aims to apply a methodology for classification of breast thermographic images using two open source computational platforms (Matlab and Orange Canvas), and to evaluate the impact on the results by using different forms of image segmentation, techniques of balancing and dimensionality reduction. Two databases of thermographic images of patients from the Hospital das Clínicas of UFPE were evaluated. Five classifi- cation algorithms were used, which combined with the SMOTE and PCA/Rank/PSO techniques, obtained as a result: 96.2% Accuracy and 99.5% Sensitivity to Malignant for binary classification (Cancer x Non- Cancer), and 65.6% Accuracy and 92.2% Sensitivity to Malignant for classification into four classes (Malignant, Benign, Cyst and Normal).pt_BR
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/4157405186898932pt_BR
Aparece nas coleções:Dissertações de Mestrado - Engenharia Mecânica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO Yago de Miranda Aguiar.pdf3,62 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons