BDBComp
Parceria:
SBC
Aprendizado profundo para a classificação de blocos de tecidos pulmonares em imagens de tomografia computadorizada de alta resolução

Aline DartoraLucas Ferrari de Oliveira

Doenças pulmonares intersticiais (DPI) envolvem vários padrões de imagem anormais observados em exames de tomografia computadorizada de alta resolução. A caracterização automatizada de tecidos é um componente essencial de um sistema de auxílio ao diagnóstico por computador deste tipo de doença. As redes neurais convolucionais profundas aprendem características diretamente dos dados de treinamento em vez de extraí-los manualmente evitando a necessidade de otimização de extratores de características. Nesse contexto, o presente trabalho busca investigar um método de classificação utilizando aprendizado profundo para melhorar o desempenho de sistemas CAD no diagnóstico de DPIs. Resultados preliminares atingiram uma taxa de reconhecimento geral de 74,9% na classificação das cinco classes de DPIs em estudo.

http://www.lbd.dcc.ufmg.br/colecoes/wim/2017/002.pdf

Caso o link acima esteja inválido, faça uma busca pelo texto completo na Web: Buscar na Web

Biblioteca Digital Brasileira de Computação - Contato: bdbcomp@lbd.dcc.ufmg.br
     Mantida por:
LBD