Análise comparativa de arquiteturas de aprendizado profundo na classificação de tumores cerebrais

Este trabalho apresenta uma análise comparativa de arquiteturas de CNNs aplicadas `a classificação de tumores cerebrais em imagens de res sonância magnética. Foram avaliados um modelo genérico e modelos baseados em transfer learning, utilizando as arquiteturas VGG16 e ResNet101. O conjunto de dados passou por etapas de pré-processamento e aumento de dados, sendo os modelos avaliados por métricas como acurácia, precisão, revocação e F1-score. Os resultados demonstraram elevado desempenho das abordagens propostas, com destaque para a arquitetura ResNet101. Os achados evidenciam o potencial do aprendizado profundo como ferramenta de apoio ao diagnóstico assistido por computador.