Detalhes bibliográficos
| Ano de defesa: |
2020 |
| Autor(a) principal: |
Barros, Daniele Montenegro da Silva |
| Orientador(a): |
Valentim, Ricardo Alexsandro de Medeiros |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal do Rio Grande do Norte
|
| Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.ufrn.br/handle/123456789/32893
|
Resumo: |
O desenvolvimento de novas tecnologias têm sido essenciais para o diagnóstico e tratamento das doenças oculares. Neste contexto, o uso das técnicas de aprendizado de máquina (AM) e aprendizado profundo (DL) para a classificação e detecção das analogias oculares têm demonstrado bons resultados em pesquisas recentes. Nesta perspectiva, o objetivo da presente tese é desenvolver um serviço de classificação utilizando técnicas de DL, tecnologias web e serviços em nuvem, fazendo um estudo de caso sobre o glaucoma.O Glaucoma é uma doença assintomática que pode causar a cegueira irreversível se for diagnosticada tardiamente. O tipo de imagem utilizado na análise foi a retinografia, pois sua aquisição é de baixo custo; e o exame é realizado por um operador não dependente, ou seja, não necessita da presença do médico. Como resultado foi projetada uma arquitetura de inteligência que implementou e treinou várias arquiteturas de DL. A técnica de transferência de aprendizado (transfer learning) foi utilizada como forma reduzir o tempo de treinamento e otimizar o método. Outra técnica importante foi o processo de aumentação de dados (data argumentation) como forma de reduzir o overfitting da rede, evitando assim, que a rede não consiga generalizar no conjunto de testes. Também foi desenvolvido um serviço em nuvem, uma plataforma que utiliza modelos pré-treinados para identificar novos padrões de novas imagens de acordo com a massa de dados no input. |
