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

Página do item simplificado
dc.contributor.advisor1FERREIRA JUNIOR, José Jailton Henrique
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9031636126268760
dc.creatorCOSTA, Edriane do Socorro Silva
dc.creator.Latteshttp://lattes.cnpq.br/7671800465740722
dc.date.accessioned2026-06-09T17:56:05Z
dc.date.available2026-06-09T17:56:05Z
dc.date.issued2026-01-28
dc.description.abstractThis work presents a comparative analysis of CNN architectures ap plied to the classification of brain tumors in magnetic resonance images. A generic model and transfer learning–based models were evaluated, using the VGG16 and ResNet101 architectures. The dataset underwent preprocessing and data augmentation steps, and the models were evaluated using metrics such as accuracy, precision, recall, and F1-score. The results demonstrated high per formance of the proposed approaches, with emphasis on the ResNet101 archi tecture. The findings highlight the potential of deep learning as a support tool for computer-aided diagnosis.
dc.description.resumoEste 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.
dc.identifier.citationCOSTA, Edriane dos Socorro Silva. Análise comparativa de arquiteturas de aprendizado profundo na classificação de tumores cerebrais. Orientador: José Jailton Henrique Ferreira Junior. 2026. 19 f. Trabalho de Curso (Bacharelado em Engenharia de Computação) – Faculdade de Engenharia da Computação, Campus Universitário de Castanhal, Universidade Federal do Pará, Castanhal, 2026. Disponível em: https://bdm.ufpa.br/handle/prefix/9590. Acesso em:.
dc.identifier.urihttps://bdm.ufpa.br/handle/prefix/9590
dc.rightsAcesso Abertopt_BR
dc.source.uriDisponível na internet via correio eletrônico: bibufpacastanhal@gmail.com
dc.subjectAnálise comparativa
dc.subjectCâncer
dc.subjectDiagnóstico assistido por computador
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.titleAnálise comparativa de arquiteturas de aprendizado profundo na classificação de tumores cerebrais
dc.typeTrabalho de Curso - Graduação - Artigo

Arquivo(s)

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TC_Artigo_AnaliseComparativaArquiteturas.pdf
Tamanho:
2.24 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.84 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Aparece na Coleção

Faculdade de Engenharia da Computação - CCAST
Logo do RepositórioLogo do Repositório