Detecção e classificação da alta expressão da proteína e-caderina no carcinoma da mama através de uma rede neural artificial
| Orientador(a) (dc.contributor.advisor) | Costa, Cristiano André da | |
| Lattes Orientador(a) (dc.contributor.advisorLattes) | http://lattes.cnpq.br/9637121030877187 | pt_BR |
| Autor(a) (dc.contributor.author) | Teixeira, Fabiano Godois | |
| Autor(a) Lattes (dc.contributor.authorLattes) | http://lattes.cnpq.br/3688837756574751 | pt_BR |
| Data de Disponibilização (dc.date.accessioned) | 2021-03-29T20:07:01Z | |
| dc.date.available (dc.date.available) | 2021-03-29T20:07:01Z | |
| Data da defesa / Data do evento (dc.date.issued) | 2020-12-09 | |
| Abstract (dc.description.abstract) | The area of applied computing has been making an increasing and assertive contribution in many areas of health. Specifically, in oncology, artificial neural networks, a segment of artificial intelligence, in the last decade, objectively aggregated the prediction and prognosis of malignant neoplasms / cancer. However, in this area, there are still demands to be resolved and disruptive technologies are a great ally to achieve the expected results. In the field of malignant breast cancer, immunohistochemistry is the most practiced due to its accurate profile with regard to patient staging. Staging means evaluating and classifying the degree of tumor dissemination, aiming at an individualized treatment for each patient. Seeking to eliminate the levels of subjectivity involved in the diagnosis of immunohistochemistry and in order to reproduce the daily routine of pathologists, the work proposes the use of two artificial neural networks: a support vector machine and an Mask R-CNN. Two texture algorithms: local binary pattern and haralick were used to extract the resource vector used as input into the artificial neural network SVM and their results compared. The work shows that comparing only the texture algorithms, haralick showed a better accuracy, which was 81% against 80% of LBP. The use of the mask R-CNN model through the TL technique performed much less than expected for the IHQ data set with mAP for training of 0.050 and for testing of 0.049. | en |
| Resumo (dc.description.resumo) | A área de computação aplicada vem contribuindo de forma crescente e assertiva em muitas áreas da saúde. Especificamente, na oncologia, as redes neurais artificiais, um segmento de inteligência artificial, na última década, agregaram objetivamente a previsão e o prognóstico de neoplasias malignas / câncer. No entanto, nessa área, ainda há demandas a serem resolvidas e as tecnologias disruptivas são um ótimo aliado para alcançar os resultados esperados. No campo da neoplasia maligna da mama, o exame de imuno-histoquímica é o mais praticado por seu perfil acertivo no que diz respeito ao estadiamento do paciente. O estadiamento significa avaliar e classificar o grau de dissiminação tumoral, visando um tratamento individualizado a cada paciente. Buscando eliminar os níveis de subjetividade envolvidos no diagnóstico do exame de imuno-histoquímica e com a finalidade de reproduzir a rotina diária dos patologistas, o trabalho propõe o uso de duas redes neurais artificiais: uma support vector machine e uma mask R-CNN. Dois algoritmos de textura: local binary pattern e haralick foram utilizados para extração do vetor de recurso utilizado como entrada na rede neural artificial SVM e seus resultados obtidos comparados. O trabalho mostra que comparando somente os algoritmos de textura, o haralick apresentou uma melhor acurácia que foi de 81% contra 80% de LBP. O uso do modelo mask R-CNN através da técnica de TL apresentou desempenho muito abaixo do esperado para o conjunto de dados de IHQ com mAP para treino de 0.050 e para teste de 0.049. | pt_BR |
| Agência de fomento (dc.description.sponsorship) | CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior | pt_BR |
| URI (dc.identifier.uri) | http://www.repositorio.jesuita.org.br/handle/UNISINOS/9679 | |
| Idioma (dc.language) | pt_BR | pt_BR |
| Nome da instituição (dc.publisher) | Universidade do Vale do Rio dos Sinos | pt_BR |
| País da Instituição (dc.publisher.country) | Brasil | pt_BR |
| Departamento (dc.publisher.department) | Escola Politécnica | pt_BR |
| Sigla da Instituição (dc.publisher.initials) | Unisinos | pt_BR |
| Programa (dc.publisher.program) | Programa de Pós-Graduação em Computação Aplicada | pt_BR |
| Direitos de acesso ao documento (dc.rights) | openAccess | pt_BR |
| Assunto (dc.subject) | Mamas-Câncer | pt_BR |
| Assunto (dc.subject) | Inteligência artificial | pt_BR |
| Assunto (dc.subject) | Inovações disruptivas | pt_BR |
| Assunto (dc.subject) | Redes neurais (computação) | pt_BR |
| Assunto (dc.subject) | Breast-Cancer | en |
| Assunto (dc.subject) | Artificial inteligence | en |
| Assunto (dc.subject) | Disruptive innovation | en |
| Assunto (dc.subject) | Neural networks (computation) | en |
| Tema (CNPq) (dc.subject.cnpq) | ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação | pt_BR |
| Título (dc.title) | Detecção e classificação da alta expressão da proteína e-caderina no carcinoma da mama através de uma rede neural artificial | pt_BR |
| Tipo de arquivo (dc.type) | Dissertação | pt_BR |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- Fabiano Godois Teixeira_.pdf
- Tamanho:
- 4.67 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
- deteccao_classificacao
Licença do pacote
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 2.12 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: