A UFS preocupa-se com a sua privacidade

A UFS poderá coletar informações básicas sobre a(s) visita(s) realizada(s) para aprimorar a experiência de navegação dos visitantes deste site, segundo o que estabelece a Política de Privacidade de Dados Pessoais. Ao utilizar este site, você concorda com a coleta e tratamento de seus dados pessoais por meio de formulários e cookies.

Ciente
Notícias

Banca de DEFESA: YÚRI FARO DANTAS DE SANT'ANNA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: YÚRI FARO DANTAS DE SANT'ANNA
DATA: 26/08/2022
HORA: 14:00
LOCAL: Sala de seminários; meet.google.com/twg-vugd-bxk
TÍTULO: Modelo Combinado e Interpretável para a Classificação de Células Leucêmicas
PALAVRAS-CHAVES: Classificação de leucemia, aprendizagem combinada, aprendizagem de máquina, análise de características
PÁGINAS: 47
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Processamento Gráfico (Graphics)
RESUMO:

O problema de classificação de linfócitos é usualmente resolvido com o uso de técnicas de \textit{deep learning} como as rede neurais convolucionais com múltiplas camadas. No entanto, Essas técnicas necessitam de hardwares específicos e um longo período de treinamento. Este trabalho propõe um classificador de imagens leve capaz de distinguir os linfócitos saudáveis e cancerígenos de pacientes com leucemia usando processamento de imagem e extração de características aplicadas a algoritmos de aprendizagem de máquina que exijam menos tempo de processamento e sejam executáveis em uma CPU convencional. As características extraídas são informações estatísticas, morfológicas, de textura, de frequência e contorno extraídas de cada imagem e usada para o treinamento de um conjunto de algoritmos leves que classificam as células entre malignas e saudáveis. Após o treinamento, esses classificadores são combinados em uma solução conjunta que otimiza o resultado final. A técnica proposta possui custo computacional inferior à maioria das estratégias de aprendizagem profunda em tempo de execução e tamanho da RNA. Os resultados aqui expostos contribuem para a classificação de linfócitos demonstrando que é possível atingir alta performance com classificadores treinados com um conjunto diversificado de características. Por fim, com o uso da análise de componentes principais foi possível reduzir o número de características utilizadas mantendo a alta performance do classificador.


MEMBROS DA BANCA:
Presidente - 1979373 - DANIEL OLIVEIRA DANTAS
Interno - 2027113 - ANDRE BRITTO DE CARVALHO
Externo à Instituição - PAULO SALGADO GOMES DE MATTOS NETO

Notícia cadastrada em: 29/07/2022 11:15
SIGAA | Superintendência de Tecnologia da Informação/UFS - - | Copyright © 2009-2024 - UFRN - bigua2.bigua2 v3.5.16 -r19130-f2d2efc73e