Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas

Página do item simplificado
dc.contributor.advisor-co1Coelho, Clarimar José
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/1350166605717268pt_BR
dc.contributor.advisor1Soares, Anderson da Silva
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1096941114079527pt_BR
dc.contributor.referee1Soares, Anderson da Silva
dc.contributor.referee2Coelho, Clarimar José
dc.contributor.referee3Wastowski, Isabela Jubé
dc.contributor.referee4Laureano, Gustavo Teodoro
dc.contributor.referee5Soares, Fabrízzio Alphonsus Alves de Melo Nunes
dc.creatorLucena, Daniel Vitor de
dc.creator.Latteshttp://lattes.cnpq.br/1813839443247801pt_BR
dc.date.accessioned2021-09-24T11:24:13Z
dc.date.available2021-09-24T11:24:13Z
dc.date.issued2021-08-04
dc.description.abstractHyperspectral Imaging (HSI) is a new concept of disease diagnosis by image analysis. Although there are many approaches for HSI image analysis, the classification of spatial informations to tumor classification is still limited. In this thesis is proposed the building of a new method of analysis and classification of present objects in HSI based on techniques of machine learning to understand the molecular vibrational behavior of healthy and tumoral human epithelial tissue by means of short-wave infrared (SWIR) spectroscopy. In the experimental study is analyzed samples of Melanoma, Dysplastic Nevus and healthy skin. Results show that human epithelial tissue is sensitive to SWIR to the point of making possible the differentiation between healthy and tumor tissues. It can be concluded that HSI-SWIR can be used to build new methods for tumor classification.eng
dc.description.provenanceSubmitted by Luciana Ferreira (lucgeral@gmail.com) on 2021-09-22T12:27:09Z No. of bitstreams: 2 Tese - Daniel Vitor de Lucena - 2021.pdf: 33187134 bytes, checksum: 9539f4441cbfd5a1711af1fc0a466d5e (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)en
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2021-09-24T11:24:13Z (GMT) No. of bitstreams: 2 Tese - Daniel Vitor de Lucena - 2021.pdf: 33187134 bytes, checksum: 9539f4441cbfd5a1711af1fc0a466d5e (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)en
dc.description.provenanceMade available in DSpace on 2021-09-24T11:24:13Z (GMT). No. of bitstreams: 2 Tese - Daniel Vitor de Lucena - 2021.pdf: 33187134 bytes, checksum: 9539f4441cbfd5a1711af1fc0a466d5e (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Previous issue date: 2021-08-04en
dc.description.resumoImagem hiperespectral (HSI) é um novo conceito de diagnóstico de doenças por análise de imagens. Embora existam muitas abordagens para a análise de imagens HSI, a classificação das informações espaciais para a classificação do tumor ainda é limitada. Nesta tese é proposta a construção de um novo método de análise e classificação de objetos presentes em HSI baseado em técnicas de aprendizado de máquina para entender o comportamento vibracional molecular de tecido epitelial humano sadio e tumoral por meio de espectroscopia de infravermelho de ondas curtas (SWIR). No estudo experimental são analisadas amostras de Melanoma, Nevo Displásico e Pele Saudável. Os resultados mostram que o tecido epitelial humano é sensível ao SWIR a ponto de possibilitar a diferenciação entre tecidos saudáveis e tumorais. Conclui-se que o HSI-SWIR pode ser utilizado para construir novos métodos de classificação tumoral.pt_BR
dc.description.sponsorshipFundação de Amparo à Pesquisa do Estado de Goiáspt_BR
dc.identifier.citationLUCENA, D. V. Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas. 2021. 89 f. Tese (Doutorado em Ciência da Computação em Rede) - Universidade Federal de Goiás, Goiânia, 2021.pt_BR
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/11648
dc.languageporpt_BR
dc.publisherUniversidade Federal de Goiáspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Informática - INF (RG)pt_BR
dc.publisher.initialsUFGpt_BR
dc.publisher.programPrograma de Pós-graduação em Ciência da Computação em Rede UFG/UFMS (INF)pt_BR
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectEspectroscopia de infravermelho de ondas curtaspor
dc.subjectImagem hiperespectralpor
dc.subjectAprendizagem de máquinapor
dc.subjectAprendizagem profundapor
dc.subjectNevo displásico e melanomapor
dc.subjectShort-wave infraredeng
dc.subjectHyperspectral imagingeng
dc.subjectMachine learningeng
dc.subjectDeep learningeng
dc.subjectSkin lesionseng
dc.subjectDysplastic nevus and melanomaeng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAOpt_BR
dc.titleClassificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtaspt_BR
dc.title.alternativeClassification of tumor epithelial tissues using hyperspectral and short wave infrared imagingeng
dc.typeTesept_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Tese - Daniel Vitor de Lucena - 2021.pdf
Tamanho:
31.65 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Doutorado em Ciência da Computação em Rede - UFMS/UFG (INF)