Linha de pesquisa:Ciência de Dados

Resumo: Este trabalho investiga duas técnicas distintas e complementares para a análise do câncer de mama utilizando termografia infravermelha: classificação de imagens e segmentação semântica. Na tarefa de classificação, diversas arquiteturas de CNN foram
avaliadas no conjunto de dados DMR-IR por meio de validação cruzada, em 5 dobras,
com a ResNet50 apresentando o melhor desempenho geral em termos de acurácia, precisão,especificidade e sensibilidade, demonstrando forte potencial para aplicações de rastreamento.De forma independente, na tarefa de segmentação, foi empregado um modeloDeepLabV3+ com backbone ResNet101 para a delimitação automática da região mamária,alcançando elevados valores de acurácia e IoU em imagens com anotações de especialistas. Em conjunto, esses resultados indicam que ambas as abordagens são promissoras e complementares, evidenciando a viabilidade de pipelines baseados em aprendizado profundoe termografia infravermelha para uma análise confiável e não invasiva do câncer de mama, além de motivar trabalhos futuros que integrem segmentação e classificação para aprimorar ainda mais o desempenho diagnóstico.

Link para a defesa: https://meet.google.com/dow-kgpk-bxv