Detecção e localização de infecções pulmonares em radiografias utilizando redes neurais convolucionais e mapas de ativação de classe

Cavalcante, Josias Ben Ferreira

Trabalho de Conclusão de Curso

Detecção e localização de infecções pulmonares em radiografias utilizando redes neurais convolucionais e mapas de ativação de classe

This work aims to use convolutional neural networks and class activation mapping to perform tasks of detection and localization of infections resulting from pneumonia in chest radiographs of the RSNA Pneumonia Detection Challenge dataset. In this way, following the two-step training methodology (FRI...

ver descrição completa

Autor principal:	Cavalcante, Josias Ben Ferreira
Grau:	Trabalho de Conclusão de Curso
Idioma:	por
Publicado em:	Brasil 2022
Assuntos:	Pneumonia Detecção Localização Radiografia de tórax Aprendizado profundo Detection Localization CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: TEORIA DA COMPUTACAO: COMPUTABILIDADE E MODELOS DE COMPUTACAO Diagnóstico por imagem Tórax - Radiografia Pulmões - Radiografia
Acesso em linha:	http://riu.ufam.edu.br/handle/prefix/6188

id	oai:localhost:prefix-6188
recordtype	dspace
spelling	oai:localhost:prefix-61882025-03-10T20:46:38Z Detecção e localização de infecções pulmonares em radiografias utilizando redes neurais convolucionais e mapas de ativação de classe Detection and localization of lung infections on radiographs using convolutional neural networks and class activation maps Cavalcante, Josias Ben Ferreira Santos, Eulanda Miranda dos http://lattes.cnpq.br/3054990742969890 Pio, José Luiz de Souza Giusti, Rafael Pneumonia Detecção Localização Radiografia de tórax Aprendizado profundo Detection Localization CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: TEORIA DA COMPUTACAO: COMPUTABILIDADE E MODELOS DE COMPUTACAO Diagnóstico por imagem Tórax - Radiografia Pulmões - Radiografia This work aims to use convolutional neural networks and class activation mapping to perform tasks of detection and localization of infections resulting from pneumonia in chest radiographs of the RSNA Pneumonia Detection Challenge dataset. In this way, following the two-step training methodology (FRID-ADAR, M. et al. 2021), two convolutional neural network architectures, ResNet50 and EfficientNet B2, were implemented using the TensorFlow and Keras frameworks in the Python programming language. The results obtained by the two architectures were compared using the metrics Accuracy (for the detection task), Dice Similarity Coefficient and Intersection over the Union (for the localization task). The results obtained by ResNet50 in the test set were an accuracy, Dice and IoU of 0.86079, 0.7860 and 0.6475, respectively; and the results obtained by EfficientNet B2 in accuracy, Dice and IoU were 0.94744, 0.5748 and 0.4033, respectively. Neste trabalho busca-se utilizar redes neurais convolutivas e mapeamento de ativação de classes para realizar tarefas de detecção e localização de infecções decorrentes de pneumonia em radiografias do tórax do conjunto de dados RSNA Pneumonia Detection Challenge. Com esse objetivo, seguindo a metodologia de treinamento em duas etapas (FRID-ADAR, M. et al. 2021), foram implementadas duas arquiteturas de redes neurais convolutivas, ResNet50 e EfficientNet B2, utilizando os frameworks TensorFlow e Keras na linguagem de programação Python. Os resultados obtidos pelas duas arquiteturas foram comparados entre si através das métricas Acurácia (para a tarefa de detecção), Coeficiente de Similaridade de Dice e Intersecção sobre a União (para a tarefa de localização). Os resultados obtidos pela ResNet50 no conjunto de teste foi uma acurácia, Dice e IoU de 0.8607, 0.7860 e 0.6475, respectivamente; e os resultados obtidos pela EfficientNet B2 em acurácia, Dice e IoU foram 0.9474, 0.5748 e 0.4033, respectivamente. 4 Não 2022-05-06T14:30:14Z 2022-05-05 2022-05-06T14:30:14Z 2022-05-04 Trabalho de Conclusão de Curso http://riu.ufam.edu.br/handle/prefix/6188 por Acesso Aberto Brasil ICOMP - Instituto de Computação Manaus Engenharia da Computação - Bacharelado - Manaus
institution	Repositório Institucional - Universidade Federal do Amazonas
collection	RI-UFAM
language	por
topic	Pneumonia Detecção Localização Radiografia de tórax Aprendizado profundo Detection Localization CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: TEORIA DA COMPUTACAO: COMPUTABILIDADE E MODELOS DE COMPUTACAO Diagnóstico por imagem Tórax - Radiografia Pulmões - Radiografia
spellingShingle	Pneumonia Detecção Localização Radiografia de tórax Aprendizado profundo Detection Localization CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: TEORIA DA COMPUTACAO: COMPUTABILIDADE E MODELOS DE COMPUTACAO Diagnóstico por imagem Tórax - Radiografia Pulmões - Radiografia Cavalcante, Josias Ben Ferreira Detecção e localização de infecções pulmonares em radiografias utilizando redes neurais convolucionais e mapas de ativação de classe
topic_facet	Pneumonia Detecção Localização Radiografia de tórax Aprendizado profundo Detection Localization CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: TEORIA DA COMPUTACAO: COMPUTABILIDADE E MODELOS DE COMPUTACAO Diagnóstico por imagem Tórax - Radiografia Pulmões - Radiografia
description	This work aims to use convolutional neural networks and class activation mapping to perform tasks of detection and localization of infections resulting from pneumonia in chest radiographs of the RSNA Pneumonia Detection Challenge dataset. In this way, following the two-step training methodology (FRID-ADAR, M. et al. 2021), two convolutional neural network architectures, ResNet50 and EfficientNet B2, were implemented using the TensorFlow and Keras frameworks in the Python programming language. The results obtained by the two architectures were compared using the metrics Accuracy (for the detection task), Dice Similarity Coefficient and Intersection over the Union (for the localization task). The results obtained by ResNet50 in the test set were an accuracy, Dice and IoU of 0.86079, 0.7860 and 0.6475, respectively; and the results obtained by EfficientNet B2 in accuracy, Dice and IoU were 0.94744, 0.5748 and 0.4033, respectively.
author_additional	Santos, Eulanda Miranda dos
author_additionalStr	Santos, Eulanda Miranda dos
format	Trabalho de Conclusão de Curso
author	Cavalcante, Josias Ben Ferreira
title	Detecção e localização de infecções pulmonares em radiografias utilizando redes neurais convolucionais e mapas de ativação de classe
title_short	Detecção e localização de infecções pulmonares em radiografias utilizando redes neurais convolucionais e mapas de ativação de classe
title_full	Detecção e localização de infecções pulmonares em radiografias utilizando redes neurais convolucionais e mapas de ativação de classe
title_fullStr	Detecção e localização de infecções pulmonares em radiografias utilizando redes neurais convolucionais e mapas de ativação de classe
title_full_unstemmed	Detecção e localização de infecções pulmonares em radiografias utilizando redes neurais convolucionais e mapas de ativação de classe
title_sort	detecção e localização de infecções pulmonares em radiografias utilizando redes neurais convolucionais e mapas de ativação de classe
publisher	Brasil
publishDate	2022
url	http://riu.ufam.edu.br/handle/prefix/6188
_version_	1831969820900327424
score	11.755432

Detecção e localização de infecções pulmonares em radiografias utilizando redes neurais convolucionais e mapas de ativação de classe

Registros relacionados