Classificação de tumores cerebrais

utilizando uma rede neural convolucional

Autores/as

  • Lucas Costa Lima Ferreira Universidade Federal de Alfenas (UNIFAL-MG)
  • Angela Leite Moreno Universidade Federal de Alfenas (UNIFAL-MG)

Palabras clave:

Tumores cerebrais, Redes Neurais Convolucionais, Aprendizado profundo, Imagem por Ressonância Magnética

Resumen

De acordo com recentes relatórios da OMS, o câncer é a segunda principal causa de morte globalmente. Tumores cerebrais e do sistema nervoso central ocupam a décima segunda posição no ranking de mortalidade por câncer, com meningiomas, gliomas e tumores hipofisários sendo os mais prevalentes na população. Para a identificação de tais tumores, diversas técnicas de imagens médicas são empregadas para obter informações sobre tumores, incluindo tipo, forma, tamanho e localização, entre essas técnicas, a Imagem por Ressonância Magnética (MRI) é a mais comumente utilizada. As principais dificuldades no reconhecimento dos tipos de tumores cerebrais estão associadas às irregularidades anatômicas e variações nos layouts nos planos sagital, axial e coronal. Diante desses desafios, o advento do aprendizado profundo (Deep Learning) teve um impacto significativo no desenvolvimento de técnicas que possibilitaram a classificação de imagens médicas com alta precisão.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

L. Ferariu e E.-D. Neculau. “Fusing Convolutional Neural Networks with Segmentation for Brain Tumor Classification”. Em: 2021 25th International Conference on System Theory, Control and Computing (ICSTCC). 2021, pp. 249–254. doi: 10.1109/ICSTCC52150.2021.9607260.

D. Filatov e G. N. A. H. Yar. “Brain Tumor Diagnosis and Classification via Pre-trained Convolutional Neural Networks”. Em: arXiv preprint arXiv:2208.00768 (2022). doi: 10.48550/arXiv.2208.00768.

M. A. Mazurowski, M. Buda, A. Saha e M. R. Bashir. “Deep learning in radiology: An overview of the concepts and a survey of the state of the art with focus on MRI”. Em: Journal of Magnetic Resonance Imaging 4 (2019), pp. 939–954. doi: 10.1002/jmri.26534.

M. Nickparvar. Brain Tumor MRI Dataset. Online. Acessado em 06/11/2024, https://www.kaggle.com/datasets/masoudnickparvar/brain-tumor-mri-dataset.

S. Shetty e J. Shetty. “Classification of Brain Tumor using Convolutional Neural Networks”. Em: International Journal of Engineering and Advanced Technology 3 (2020), pp. 2841–2845. doi: 10.35940/ijeat.c5995.029320.

H. Sung, J. Ferlay, R. L. Siegel, M. Laversanne, I. Soerjomataram, A. Jemal e F. Bray. “Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries”. Em: CA: A Cancer Journal for Clinicians 3 (2021), pp. 209–249. doi: 10.3322/caac.21660.

Publicado

2025-01-20

Número

Sección

Resumos