Diagnóstico Automático no cancro da mama

Ver registo simples
dc.contributor.advisorPires, Eduardo José Solteiropt_PT
dc.contributor.authorRibeiro, Vera Susanapt_PT
dc.date.accessioned2019-03-07T12:41:41Z
dc.date.available2019-03-07T12:41:41Z
dc.date.issued2018-12-11
dc.descriptionDissertação de Mestrado em Engenharia Biomédica apresentada à Universidade de Trás-os-Montes e Alto Douropt_PT
dc.description.abstractO presente trabalho tem como objetivo principal o desenvolvimento de uma aplicação que auxilie os profissionais de saúde, no diagnóstico do cancro da mama, através da implementação de técnicas de aprendizagem automáticas que identifiquem potenciais doentes a partir de um conjunto de caraterísticas extraídas previamente de mamografias. A implementação de técnicas de aprendizagem automática realiza-se através da elaboração e treino de uma rede neuronal artificial feedfoward do tipo Perceptron Multi Camadas. Neste trabalho a implementação para tal operação foi feita em Python, recorrendo à utilização de duas bibliotecas diferentes (sklearn e keras). Os resultados experimentais foram obtidos pela realização de simulações em cada uma das aplicações desenvolvidas, e o desempenho do classificador neuronal foi avaliado através de medidas de desempenho dos sistemas de classificação e da curva ROC. Os resultados mostram-se promissores, visto que, o sistema de redes neuronais foi capaz de discriminar dois universos separáveis, para doentes com tumor benigno ou maligno.pt_PT
dc.description.abstractThe main objective of this work is the development of an application to assist health professionals in the breast cancer diagnosis through the implementation of machine learning techniques that identify potential patients from a set of previously mammograms. The implementation of machine learning techniques is accomplished through the elaboration and training of an artificial feedfoward neural network of the type Multi Layer Perceptron. In this work, the implementation was made in Python, using two different libraries (sklearn and keras). Experimental results were obtained by performing simulations in both developed applications, and the performance of the neuronal classifier was evaluated through the performance measures of the classification systems and the ROC curve. The results were promising, since the neural network was able to discriminate two separable sets for benign or malignant tumor patients.pt_PT
dc.identifier.tid202326926
dc.identifier.urihttp://hdl.handle.net/10348/9119
dc.language.isoporpt_PT
dc.rightsopen accesspt_PT
dc.subjectCancro da Mamapt_PT
dc.subjectDiagnósticopt_PT
dc.subjectRedes Neuronais Artificiaispt_PT
dc.subjectClassificador Neuronalpt_PT
dc.subjectAccuracypt_PT
dc.titleDiagnóstico Automático no cancro da mamapt_PT
dc.typemaster thesispt_PT
dspace.entity.typePublicationen
Ficheiros
Principais
A mostrar 1 - 1 de 1
Miniatura
Nome:
Vera Susana Ribeiro.pdf
Tamanho:
2.17 MB
Formato:
Adobe Portable Document Format
Descrição:
Ver/Abrir
Coleções
TD - Dissertações de Mestrado
DENG - Dissertações de Mestrado