Notícias

Banca de QUALIFICAÇÃO: LUÍS HENRIQUE SILVA VOGADO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: LUÍS HENRIQUE SILVA VOGADO
DATA: 21/08/2019
HORA: 08:00
LOCAL: Sala de aula do PPGCC
TÍTULO: LeukNet: Um Modelo de Rede Neural Convolucional Para o Diagnóstico de Leucemia
PALAVRAS-CHAVES: classificação da leucemia. imagens de lâminas de sangue. convolutional neural networks. ajuste-fino.
PÁGINAS: 66
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de Computação
RESUMO:

O uso eficiente da tecnologia para sistemas médicos ajuda a reduzir custos, além de promover o diagnóstico precoce. A leucemia é um distúrbio que afeta a medula óssea, causando a produção descontrolada de leucócitos, prejudicando o transporte de oxigênio e causando problemas de coagulação sanguínea. Um hemograma completo ou análise de imagem morfológica é frequentemente utilizado para diagnosticar manualmente as células de leucemia. Esses métodos podem ser demorados e propensos a erros humanos. Diante disso, neste trabalho propomos uma Rede Neural Convolucional (Convolutional Neural Network - CNN) denominada LeukNet com o intuito de auxiliar no diagnóstico de leucemia a partir de imagens de lâminas de sangue. Esse modelo é baseado na arquitetura VGG-16, possuindo camadas densas menores o qual foi treinado utilizando abordagens envolvendo transferência de aprendizado com ajuste fino. Para definirmos o modelo e pesos da LeukNet, avaliamos diferentes arquiteturas e métodos de ajuste fino utilizando 14 bases de dados. Ao todo, são usadas 2304 imagens de diferentes fontes e com características distintas de cor, textura, contraste e resolução. Apresentamos os resultados do k-fold cross-validation, atingindo 98,55% de acurácia, permitindo a comparação com métodos existentes na literatura. O Leave-One-Dataset-Out cross-validation (LODOCV), também é proposto para avaliar a capacidade de generalização do modelo. As acurácias utilizando o LODOCV nos conjuntos de dados ALL-IDB 1, ALL-IDB 2 e UFG foram 96,56%, 74,66% e 70,07%, respectivamente. Esses resultados superam os encontrados no estado da arte, assim, oferecem novas diretrizes para o diagnóstico de leucemia utilizando sistemas assistidos por computador.


MEMBROS DA BANCA:
Interno - 1350246 - KELSON ROMULO TEIXEIRA AIRES
Interno - 1642492 - LAURINDO DE SOUSA BRITTO NETO
Presidente - 1579396 - RODRIGO DE MELO SOUZA VERAS
Notícia cadastrada em: 25/07/2019 15:32
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb04.ufpi.br.instancia1 20/11/2019 04:48