Please use this identifier to cite or link to this item:
http://repositorio.ufc.br/handle/riufc/76271
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Silva, Wendley Souza da | - |
dc.contributor.author | Linhares, Francisco Igor Felício | - |
dc.date.accessioned | 2024-02-26T16:44:07Z | - |
dc.date.available | 2024-02-26T16:44:07Z | - |
dc.date.issued | 2022 | - |
dc.identifier.uri | http://repositorio.ufc.br/handle/riufc/76271 | - |
dc.description.abstract | Diabetes is one of the fastest growing diseases in recent decades. The number of adults living with this disease has more than tripled in the last 20 years, and estimates indicate that this number will only increase. The biggest problem for people with diabetes are the consequences brought about by high levels of glucose in the blood, ranging from cardiovascular diseases to amputation of limbs. A common consequence in people with diabetes is the development of diabetic retinopathy, a condition that causes swelling and leaks in the blood vessels of the retina, which can even lead to complete loss of vision. Diabetic retinopathy is the main preventable cause of blindness, and this is mainly due to late diagnosis and lack of adequate treatment to reverse the patient’s condition. Based on this scenario, the present work was developed with In order to use Artificial Intelligence to aid in the diagnosis of this pathology, 4 different architectures of Convolutional Neural Networks were tested to perform the diagnosis, namely Lenet-5, Alexnet, Googlenet and Vgg-19, the latter reaching approximately 78% accuracy with sensitivity above 98%. The trained models can be used to assist the diagnosis of this condition and thus making diabetic people with retinopathy undergo early treatment, preventing the development of the disease to its most aggressive form. | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.title | Serviço web para diagnóstico de retinopatia diabética através de imagens utilizando redes neurais convolucionais | pt_BR |
dc.type | TCC | pt_BR |
dc.description.abstract-ptbr | O diabetes é uma das doenças que mais cresce nas últimas décadas. O número de adultos que vivem com esta doença mais que triplicou nos últimos 20 anos, e as estimativas indicam que este número só aumentará. O maior problema para pessoas com diabéticas são as consequências provocadas pelos altos níveis de glicose no sangue, variando de doenças cardiovasculares a amputação de membros. Uma consequência comum em pessoas com diabetes é o desenvolvimento de retinopatia diabética, uma condição que causa inchaço e vazamentos nos vasos sanguíneos da retina, que pode até levar à perda total da visão. A retinopatia diabética é a principal causa evitável de cegueira, e isso se deve principalmente ao diagnóstico tardio e falta de tratamento adequado para reverter a condição do paciente. Com base nesse cenário, o presente trabalho foi desenvolvido com a finalidade de utilizar a Inteligência Artificial para auxiliar no diagnóstico desta patologia, para isso foram testadas 4 arquiteturas diferentes de Redes Neurais Convolucionais para realizar o diagnóstico sendo elas a Lenet-5, Alexnet, Googlenet e Vgg-19, esta útlima atingindo aproximadamente 78% de acurácia com sensibilidade acima de 98%. Os modelos treinados podem ser utilizados para auxiliar o diagnóstico desta condição e assim fazendo com que pessoas diabéticas com retinopatia façam o tratamento precoce, evitando o desenvolvimento da doença até sua forma mais agressiva. | pt_BR |
dc.subject.ptbr | Diabetes | pt_BR |
dc.subject.ptbr | Diabetes | pt_BR |
dc.subject.ptbr | Retinopatia Diabética | pt_BR |
dc.subject.ptbr | Retinopatia Diabética | pt_BR |
dc.subject.ptbr | Inteligência Artificial | pt_BR |
dc.subject.ptbr | Inteligência Artificial | pt_BR |
dc.subject.ptbr | Visão Computacional | pt_BR |
dc.subject.ptbr | Visão Computacional | pt_BR |
dc.subject.ptbr | Redes Neurais Convolucionais | pt_BR |
dc.subject.ptbr | Redes Neurais Convolucionais | pt_BR |
dc.subject.en | Diabetes | pt_BR |
dc.subject.en | Diabetes | pt_BR |
dc.subject.en | Diabetic retinopathy | pt_BR |
dc.subject.en | Diabetic retinopathy | pt_BR |
dc.subject.en | Artificial Intelligence | pt_BR |
dc.subject.en | Artificial Intelligence | pt_BR |
dc.subject.en | Computer Vision | pt_BR |
dc.subject.en | Computer Vision | pt_BR |
dc.subject.en | Convolutional Neural Networks | pt_BR |
dc.subject.en | Convolutional Neural Networks | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS | pt_BR |
local.author.lattes | http://lattes.cnpq.br/6776781267068191 | pt_BR |
local.advisor.lattes | http://lattes.cnpq.br/4443491511199960 | pt_BR |
local.date.available | 2022 | - |
Appears in Collections: | ENGENHARIA DE COMPUTAÇÃO-SOBRAL - Monografias |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
2022 _tcc_fiflinhares.pdf | 3,09 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.