Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.ufc.br/handle/riufc/29515
Tipo: TCC
Título : Transferência de conhecimento utilizando aprendizado profundo para classificação de imagens histopatológicas
Autor : Aguiar Neto, Décio Gonçalves de
Tutor: Oliveira, Paulo de Tarso Guerra
Palabras clave : Aprendizagem Profunda;Transferência de Aprendizagem;Classificação;Biópsia
Fecha de publicación : 2017
Citación : AGUIAR NETO, Décio Gonçalves de. Transferência de conhecimento utilizando aprendizado profundo para classificação de imagens histopatológicas. 2017. 32f. TCC (Graduação em Ciência da Computação) - Universidade Federal do Ceará, Campus Quixadá, Quixadá, 2017.
Resumen en portugués brasileño: No presente trabalho, os autores fazem uma investigação sobre o uso de transferência de conhecimento aplicado a classificação de imagens histopatológicas. A transferência de conhecimento é realizada a partir de redes neurais profundas previamente treinadas para o reconhecimento de grandes conjuntos multi-classe de dados que tiveram bons resultados na classificação do conjunto para o qual foram treinados. Trabalhos recentes analisam que, essas arquiteturas de aprendizado profundo conseguem extrair informações relevantes de imagens visando melhorias nas classificações de outros classificadores que irão posteriormente, utilizar os vetores de saída gerados por essas redes como dados de treino e teste. Com base nos resultados obtidos por outros trabalhos, reproduzimos a técnica de transferência de conhecimento para a classificação de imagens histopatológicas utilizando diferentes arquiteturas para a extração de características e diferentes classificadores. O uso da transferência de conhecimento sobre a base de dados de imagens histopatológicas mostraram resultados promissores e que podem ser bem explorados a fim de trazer melhorias para a classificação automática dessa base de dados.
Abstract: In the present work, the authors make an investigation about the use of knowledge transfer applied to the classification of histopathological images. Knowledge transfer is carried out from deep neural networks previously trained for the recognition of large multi-class data sets that have had good results in the classification of the set for which they were trained. Recent work analyzes that these deep learning architectures can extract relevant information from images aiming for improvements in the classifications of other classifiers that will later use the output vectors generated by these networks as training and test data. Based on the results obtained by other works, we reproduced the technique of knowledge transfer for the classification of histopathological images using different architectures for the extraction of characteristics and different classifiers. The use of knowledge transfer on the database of histopathological images showed promising results and can be well explored in order to bring improvements to the automatic classification of this database.
URI : http://www.repositorio.ufc.br/handle/riufc/29515
Aparece en las colecciones: CIÊNCIA DA COMPUTAÇÃO-QUIXADÁ - Monografias

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
2017_tcc_dganaguiar.pdf569,59 kBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.