Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas
dc.contributor.advisor-co1 | Coelho, Clarimar José | |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/1350166605717268 | pt_BR |
dc.contributor.advisor1 | Soares, Anderson da Silva | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1096941114079527 | pt_BR |
dc.contributor.referee1 | Soares, Anderson da Silva | |
dc.contributor.referee2 | Coelho, Clarimar José | |
dc.contributor.referee3 | Wastowski, Isabela Jubé | |
dc.contributor.referee4 | Laureano, Gustavo Teodoro | |
dc.contributor.referee5 | Soares, Fabrízzio Alphonsus Alves de Melo Nunes | |
dc.creator | Lucena, Daniel Vitor de | |
dc.creator.Lattes | http://lattes.cnpq.br/1813839443247801 | pt_BR |
dc.date.accessioned | 2021-09-24T11:24:13Z | |
dc.date.available | 2021-09-24T11:24:13Z | |
dc.date.issued | 2021-08-04 | |
dc.description.abstract | Hyperspectral 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.provenance | Submitted 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.provenance | Approved 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.provenance | Made 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: 2021-08-04 | en |
dc.description.resumo | Imagem 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.sponsorship | Fundação de Amparo à Pesquisa do Estado de Goiás | pt_BR |
dc.identifier.citation | LUCENA, 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.uri | http://repositorio.bc.ufg.br/tede/handle/tede/11648 | |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Goiás | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Instituto de Informática - INF (RG) | pt_BR |
dc.publisher.initials | UFG | pt_BR |
dc.publisher.program | Programa de Pós-graduação em Ciência da Computação em Rede UFG/UFMS (INF) | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Espectroscopia de infravermelho de ondas curtas | por |
dc.subject | Imagem hiperespectral | por |
dc.subject | Aprendizagem de máquina | por |
dc.subject | Aprendizagem profunda | por |
dc.subject | Nevo displásico e melanoma | por |
dc.subject | Short-wave infrared | eng |
dc.subject | Hyperspectral imaging | eng |
dc.subject | Machine learning | eng |
dc.subject | Deep learning | eng |
dc.subject | Skin lesions | eng |
dc.subject | Dysplastic nevus and melanoma | eng |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO | pt_BR |
dc.title | Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas | pt_BR |
dc.title.alternative | Classification of tumor epithelial tissues using hyperspectral and short wave infrared imaging | eng |
dc.type | Tese | pt_BR |
Arquivos
Pacote Original
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:
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 1.71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: