Please use this identifier to cite or link to this item:
http://www.monografias.ufop.br/handle/35400000/7696
Title: | Segmentação de lesões cutâneas com redes neurais convolucionais : uma exploração introdutória utilizando SegNet e U-Net. |
Authors: | Menin, Luka Nascimento |
metadata.dc.contributor.advisor: | Cámara Chávez, Guillermo |
metadata.dc.contributor.referee: | Cámara Chávez, Guillermo Silva, Pedro Henrique Lopes Ziviani, Hugo Eduardo |
Keywords: | Redes Neurais Convolucionais Processamento de imagens Dermoscopia Melanoma |
Issue Date: | 2025 |
Citation: | MENIN, Luka Nascimento. Segmentação de lesões cutâneas com redes neurais convolucionais : uma exploração introdutória utilizando SegNet e U-Net. 2025. 47 f. Monografia (Graduação em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2025. |
Abstract: | Este trabalho investiga a aplicação de redes neurais convolucionais (CNNs) na segmentação semântica de lesões cutâneas pigmentadas, com o objetivo de auxiliar no diagnóstico de melanomas. Comparando as arquiteturas SegNet e U-Net, a pesquisa avalia o impacto de variações nos dados de entrada, técnicas de pré-processamento e ajustes de parâmetros de treinamento no desempenho e confiabilidade da segmentação. Utilizaram-se os conjuntos de dados ISIC 2018 e PH2 para avaliar a eficácia e capacidade de generalização dos modelos comparativamente. A metodologia proposta inclui a análise das arquiteturas, processamento dos dados, exploração dos algoritmos de otimização e funções de perda. Experimentos com diferentes configurações da SegNet e U-Net destacaram desafios relacionados ao sobre-ajuste e à qualidade da segmentação, guiando ajustes na continuação do desenvolvimento destas abordagens. |
metadata.dc.description.abstracten: | This work investigates the application of convolutional neural networks (CNNs) in the semantic segmentation of pigmented lesions, with the aim of aiding in the diagnosis of melanomas. Comparing the SegNet and U-Net architectures, the research aims to evaluate the impact of variations in the input data, preprocessing techniques and training configurations on the relative performance and reliability of the segmentation. The ISIC 2018 and PH2 datasets were used to evaluate the effectiveness and generalization capacity of the models comparatively. The proposed methodology includes analysis of the architectures, processing of the data, exploring optimization algorithms and loss functions. Experiments with different configurations of SegNet and UNet highlighted challenges related to the adjustment and quality of the segmentation, guiding adjustments in the further development of these approaches. |
URI: | http://www.monografias.ufop.br/handle/35400000/7696 |
Appears in Collections: | Ciência da Computação |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
MONOGRAFIA_SegmentaçãoLesõesCutâneas.pdf | 14,72 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.