Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpe.br/handle/123456789/53520

Comparte esta pagina

Título : Apoio ao diagnóstico da hanseníase por meio de redes neurais profundas
Autor : SILVA, Jullyo Emmanuel Vieira
Palabras clave : Hanseníase; Redes Neurais Profundas; Diagnóstico; Dermatologia; Aprendizado de Máquina
Fecha de publicación : 25-sep-2023
Citación : SILVA, Jullyo Emmanuel Vieira. Apoio ao diagnóstico da hanseníase por meio de redes neurais profundas. 2023. 44 f. Trabalho de conclusão de Curso (Graduação) - Curso de Engenharia Biomédica, Departamento de Engenharia Biomédica, Centro de Tecnologia e Geociências, Universidade Federal de Pernambuco, Recife, 2023.
Resumen : A hanseníase ainda representa um desafio global de saúde pública, com mais de 200.000 novos casos relatados anualmente em todo o mundo, de acordo com a Organização Mundial da Saúde (OMS). O diagnóstico precoce e preciso é crucial para controlar a disseminação da doença, bem como para prevenir complicações e sequelas em pacientes. Este projeto buscou aprimorar o diagnóstico da hanseníase por meio da aplicação de redes neurais profundas (RNPs) em imagens dermatológicas. Foram utilizadas três arquiteturas de RNPs, a VGG16, a ResNet50 e a InceptionV3, treinadas e avaliadas em um conjunto de dados composto por imagens de pacientes com diferentes formas clínicas de hanseníase: tuberculoide, lepromatosa e borderline. A partir dos resultados, observou-se que a arquitetura InceptionV3, otimizada com o algoritmo Adam e uma taxa de aprendizado de 0.001, obteve a melhor acurácia de 90.58%, precisão de 90.95% e sensibilidade de 90.13% no diagnóstico da hanseníase. Esses resultados demonstram o potencial das RNPs na classificação de imagens dermatológicas e podem contribuir significativamente para o diagnóstico precoce e preciso dessa doença.
URI : https://repositorio.ufpe.br/handle/123456789/53520
Aparece en las colecciones: TCC - Engenharia Biomédica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
tcc_completo_jullyosilva.pdf1,54 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons