Arquivo:Projeto de TCC JESSICA GOMES CARRICO.pdf: mudanças entre as edições
O câncer de mama segue sendo uma das principais causas de mortalidade entre mu- lheres no mundo, sendo a detecção precoce fundamental para aumentar as chances de tratamento eficaz. Neste contexto, o trabalho propõe o desenvolvimento de um sistema de detecção automatizada de nódulos mamários em mamografias, integrando técnicas de pré-processamento com Transformada Wavelet e redes neurais convolucionais (CNNs) uti- lizando aprendizado por transferência (Transfer Learning). As imagens utilizad... |
|||
(Uma revisão intermediária pelo mesmo usuário não está sendo mostrada) | |||
Linha 1: | Linha 1: | ||
== Descrição do arquivo == | == Descrição do arquivo == | ||
O câncer de mama segue sendo uma das principais causas de mortalidade entre | O câncer de mama segue sendo uma das principais causas de mortalidade entre mulheres no mundo, sendo a detecção precoce fundamental para aumentar as chances de tratamento eficaz. Neste contexto, o trabalho propõe o desenvolvimento de um sistema | ||
de detecção automatizada de nódulos mamários em mamografias, integrando técnicas de pré-processamento com Transformada Wavelet e redes neurais convolucionais (CNNs) utilizando aprendizado por transferência (Transfer Learning). As imagens utilizadas provêm de bases públicas como Mini-MIAS. O desempenho do modelo será avaliado com e sem a | |||
tratamento eficaz. Neste contexto, o trabalho propõe o desenvolvimento de um sistema | |||
de detecção automatizada de nódulos mamários em mamografias, integrando técnicas de | |||
pré-processamento com Transformada Wavelet e redes neurais convolucionais (CNNs) | |||
de bases públicas como Mini-MIAS. O desempenho do modelo será avaliado com e sem a | |||
aplicação da Wavelet, por meio de métricas como acurácia, sensibilidade e especificidade. | aplicação da Wavelet, por meio de métricas como acurácia, sensibilidade e especificidade. | ||
Espera-se que o uso da Wavelet contribua para a melhora na precisão diagnóstica além | Espera-se que o uso da Wavelet contribua para a melhora na precisão diagnóstica além | ||
de demonstrar a viabilidade de soluções baseadas em código aberto na área médica. | de demonstrar a viabilidade de soluções baseadas em código aberto na área médica. |
Edição atual tal como às 15h55min de 10 de julho de 2025
Descrição do arquivo
O câncer de mama segue sendo uma das principais causas de mortalidade entre mulheres no mundo, sendo a detecção precoce fundamental para aumentar as chances de tratamento eficaz. Neste contexto, o trabalho propõe o desenvolvimento de um sistema de detecção automatizada de nódulos mamários em mamografias, integrando técnicas de pré-processamento com Transformada Wavelet e redes neurais convolucionais (CNNs) utilizando aprendizado por transferência (Transfer Learning). As imagens utilizadas provêm de bases públicas como Mini-MIAS. O desempenho do modelo será avaliado com e sem a aplicação da Wavelet, por meio de métricas como acurácia, sensibilidade e especificidade. Espera-se que o uso da Wavelet contribua para a melhora na precisão diagnóstica além de demonstrar a viabilidade de soluções baseadas em código aberto na área médica.
Histórico do arquivo
Clique em uma data/horário para ver como o arquivo estava em um dado momento.
Data e horário | Dimensões | Usuário | Comentário | |
---|---|---|---|---|
atual | 15h53min de 10 de julho de 2025 | (1,6 MB) | Jessica.c13 (discussão | contribs) | O câncer de mama segue sendo uma das principais causas de mortalidade entre mu- lheres no mundo, sendo a detecção precoce fundamental para aumentar as chances de tratamento eficaz. Neste contexto, o trabalho propõe o desenvolvimento de um sistema de detecção automatizada de nódulos mamários em mamografias, integrando técnicas de pré-processamento com Transformada Wavelet e redes neurais convolucionais (CNNs) uti- lizando aprendizado por transferência (Transfer Learning). As imagens utilizad... |
Você não pode substituir este arquivo.
Uso do arquivo
As seguinte página usa este arquivo: