Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/5960
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorBianchi, Andrea Gomes Campospt_BR
dc.contributor.advisorTerra, Daniela Costapt_BR
dc.contributor.authorOliveira, Ana Cristina Lopes de-
dc.date.accessioned2023-09-06T14:37:04Z-
dc.date.available2023-09-06T14:37:04Z-
dc.date.issued2023pt_BR
dc.identifier.citationOLIVEIRA, Ana Cristina Lopes de. Segmentação de núcleo e citoplasma em imagens de células cervicais com aprendizado profundo usando uma rede neural U-Net.. 2023. 38 f. Monografia (Graduação em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/5960-
dc.description.abstractO câncer de colo de útero é um problema grave de saúde pública, afetando milhares de mulheres anualmente e sendo a quarta causa de morte por câncer mais frequente no sexo feminino, segundo o Instituto Nacional do Câncer. Essa doença se caracteriza por um desenvolvimento lento e é tratável quando diagnosticada em seus estágios iniciais. Dentre as principais formas de prevenção e detecção, destaca-se o exame de Papanicolau, que reduziu significativamente a incidência e mortalidade da doença desde sua criação. Contudo, um dos principais desafios do exame reside na alta proporção de falsos positivos e diagnósticos imprecisos, problema muitas vezes causado pela qualidade no processo de coleta e análise do material. Na etapa de análise, os profissionais em citopatologia precisam buscar manualmente por anomalias nas imagens microscópicas das células, um procedimento sujeito à exaustão e falhas de percepção humana. Como alternativa, diversos estudos foram desenvolvidos com o objetivo de proporcionar sistemas que auxiliam no diagnóstico, ao automatizar a etapa de segmentação e posterior classificação de células cervicais quanto à sua malignidade. Dentre esses estudos, as técnicas de aprendizagem profunda têm ganhado ênfase por serem capazes de segmentar regiões celulares de forma precisa e eficiente. Diante disso, este trabalho propõe um método baseado em aprendizagem profunda para segmentar as regiões do núcleo e citoplasma de células cervicais, utilizando a rede neural U-Net e a base de dados ISBI 2014. Com essa metodologia, foi possível alcançar resultados de grande relevância ao serem contrastados com o estado da arte da literatura existente, obtendo a pontuação de 0,9824 para o coeficiente de Dice na segmentação do citoplasma.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectSegmentação de célulaspt_BR
dc.subjectRedes neurais convolucionaispt_BR
dc.subjectCélulas cervicaispt_BR
dc.titleSegmentação de núcleo e citoplasma em imagens de células cervicais com aprendizado profundo usando uma rede neural U-Net.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereeBianchi, Andrea Gomes Campospt_BR
dc.contributor.refereeTerra, Daniela Costapt_BR
dc.contributor.refereeCámara Chávez, Guillermopt_BR
dc.contributor.refereeSilva, Pedro Henrique Lopespt_BR
dc.description.abstractenCervical cancer is a serious public health problem, affecting thousands of women annually and being the fourth most frequent cause of cancer death in females, according to the National Cancer Institute. This disease is characterized by slow development and is treatable when diagnosed in its early stages. Among the main forms of prevention and detection, the Papanicolaou test stands out, which has significantly reduced the incidence and mortality of the disease since its creation. However, one of the main challenges of the test lies in the high proportion of false positives and inaccurate diagnoses, a problem often caused by the quality of the collected material and analysis process. During the inspection, cytology professionals must manually search for anomalies in microscopic images of cells, a procedure subject to exhaustion and human perception interpretation. As an alternative, several studies have been developed to provide systems that assist the professional in diagnosis by automating the segmentation and subsequent classification of cervical cells regarding their malignancy. Among these studies, deep learning techniques have gained emphasis for being able to accurately and efficiently segment cellular regions. This work proposes a deep learning-based method for segmenting the nucleus and cytoplasm regions of cervical cells, using the U-Net neural network and the ISBI 2014 database. With this methodology, it was possible to achieve highly relevant results compared to the state of the art in the existing literature, obtaining a Dice coefficient score of 0.9824 for cytoplasm segmentation.pt_BR
dc.contributor.authorID17.2.4328pt_BR
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_SegmentaçãoNúcleoCitoplasma.pdf10,8 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons