UEMA Repositório
O UEMA Repositório preserva e provê acesso fácil e aberto a todos os tipos de objetos digitais, incluindo: textos, imagens, vídeos e conjuntos de dados.
Use este identificador para citar ou linkar para este item:
https://repositorio.uema.br/jspui/handle/123456789/6512| Título: | Detecção de Metástase em Câncer de Mama usando Ensemble Deep Learning |
| Título(s) alternativo(s): | Breast Cancer Metastasis Detection Using Ensemble Deep Learning |
| Autor(es): | e Silva, Danyllo Carlos Silva |
| Orientador: | Cortes, Omar Andres Carmona |
| Membro da Banca: | Komati, Karin Satie |
| Membro da Banca: | Junior, Antonio Fernando Lavareda Jacob |
| Data do documento: | 2026-03-18 |
| Editor: | Universidade Estadual do Maranhão |
| Resumo: | O câncer mamário é caracterizado pelo crescimento desordenado das células da mama, cuja evolução anormal pode acarretar em metástase, o pior estágio da doença. Para evitar que o câncer evolua, é primordial que o diagnóstico seja precoce e por esse motivo, pesquisadores trabalham no desenvolvimento de soluções de tecnologia para detecção de câncer com maior precisão, comparado com os resultados de patologistas experientes que podem alcançar até 72,4% de acurácia na análises de exames compostos por conjuntos de até milhares de slides. Os trabalhos estado da arte combinam o conceito de aprendizado profundo com aplicação de Redes Neurais Convolucionais com outros algoritmos ou arquiteturas CNN combinadas entre si, incluem técnicas de aprendizado por transferência (Transfer Learning), e logram êxito na obtenção de resultados expressivos (iguais ou maiores que 90% de acurácia). O presente trabalho apresenta um algoritmo que aplica Redes Neurais Convolucionais Ensemble usando dados da base PatchCamelyon e do BreakHis(composta por imagens histopatológicas de seções de linfonodos de câncer em estágio metastático). Os resultados preliminares foram 0,9565 de AUC e 0,2869 de Loss rate com a arquitetura ensemble de U-Net e VGG19 |
| Resumo: | Breast cancer is a disordered growth of breast cells, which unnormal evolution can result in metastasis, the worst stage of this issue. To avoid cancer growth, a fast diagnostic is required. Thus, researchers worldwide are investigating and developing technological solutions to detect breast cancer with higher precision, compared with the results of pathologists, which can reach 0,72 AUC to analyze exams with thousands of images at diferent angles. The state-of-art works integrate concepts of Deep Learning with the application of Convolutional Neural Networks with other algorithms or architectures combined, including Machine Learning techniques, leading to promising results equal to or more than 0.90 AUC. This work presents an algorithm that applies Ensemble Convolutional Neural Networks and Transfer Learning using data from the PatchCamelyon database (composed of metastatic histopathologic images of lymph node sections of breast cancer). Results show that the proposal reaches 0,9565 of AUC and a loss rate of 0,2869 with the combination of U-Net and VGG19 architecture |
| Palavras-chave: | Rede Neural Convolucional Metástase Câncer de Mama Aprendizado Convolutional Neural Networks Metastasis Breast Cancer Learning |
| Aparece nas coleções: | Mestrado Profissional em Engenharia de Computação e Sistemas - CCT - Dissertações |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| DISSERTAÇÃO - DANYLLO CARLOS SILVA E SILVA - PECS CCT UEMA - 2024.pdf | PDF A | 1.42 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.