@MASTERSTHESIS{ 2019:1645329521,
 	title = {Detec??o autom?tica de glom?rulos em imagens histol?gicas renais digitais},
 	year = {2019},
 	url = "http://tede2.uefs.br:8080/handle/tede/1342",
 	abstract = "As glomerulopatias, doen?as renais, acometem milhares de pessoas no Brasil e no mundo e este n?mero vem crescendo. Os glom?rulos s?o estruturas microsc?picas presentes nos rins e sua an?lise por um m?dico patologista ? o que determina o tipo e o grau da doen?a renal. Imagens dos tecidos renais podem ser digitalizadas ou fotografadas, o que torna poss?vel o processamento por computador. Atualmente, a
 detec??o e a separa??o de glom?rulos ? feita manualmente pelo patologista. Assim, esta pesquisa tem como objetivo propor um m?todo de detec??o autom?tico de glom?rulos em imagens histol?gicas renais digitais. Para isso, foram utilizadas t?cnicas de aprendizagem profunda a fim de treinar modelos que fossem capazes de automatizar esta tarefa. Imagens digitais de l?minas histol?gicas fotografadas em variadas escalas de aproxima??o foram utilizadas para compor os datasets de treinamento e testes. O framework Tensorflow Object Detection API foi utilizado como plataforma de implementa??o no treinamento e testes dos modelos SSD Inception V2 e Faster RCNN Inception V2. Obteve-se 0.8831 mAP e 0.94 F1 Score utilizando o modelo SI2, e 0.8723 mAP e 0.97 F1 Score utilizando o modelo FRI2. O modelo SI2 ? o mais eficiente para esta tarefa, j? que ? 64% mais r?pido no tempo necess?rio para o treinamento e 98% mais r?pido na detec??o de glom?rulos em cada imagem. Este trabalho demonstra a efici?ncia do Deep Learning na resolu??o deste problema, avan?ando no aperfei?oamento das t?cnicas de detec??o autom?tica de glom?rulos.",
 	publisher = {Universidade Estadual de Feira de Santana},
 	scholl = {Mestrado em Computa??o Aplicada},
 	note = {DEPARTAMENTO DE CI?NCIAS EXATAS}
}