@MASTERSTHESIS{ 2023:1313429025,
 	title = {Classifica??o de amiloidose em imagens digitais de bi?psias renais utilizando corantes n?o espec?ficos},
 	year = {2023},
 	url = "http://tede2.uefs.br:8080/handle/tede/1743",
 	abstract = "A Patologia Computacional ? um campo de estudo que utiliza m?todos computacionais para auxiliar m?dicos patologistas na an?lise de imagens patol?gicas, fazendo uso de algoritmos de aprendizado de m?quina que contribuem para diagn?sticos mais r?pidos e precisos. No entanto, ainda existe muito a ser pesquisado, como por exemplo no caso da amiloidose, uma les?o pouco frequente que imp?e um desafio ? constru??o de classificadores eficientes para a les?o, devido a uma baixa quantidade de imagens dispon?veis para treinamento de classificadores autom?ticos. Al?m disso, a amiloidose tamb?m apresenta uma complica??o adicional oriunda da necessidade de uso de corantes espec?ficos para a detec??o da les?o pelos m?dicos, o que reduz ainda mais o n?mero de imagens dispon?veis. Com base nesse problema de pesquisa,esse trabalho aplicou uma abordagem utilizando modelos de redes neurais convolucionais cl?ssicas para a constru??o de um classificador autom?tico de amiloidose, treinado utilizando imagens coloridas com corantes n?o espec?ficos para a les?o. Inicialmente, tais modelos foram treinados utilizando a base de dados desbalanceada com menos imagens para a amiloidose, com o objetivo de estabelecer uma refer?ncia de pesquisa. Em seguida, foram aplicadas t?cnicas de balanceamento de dados, como Randon Undersample e Randon Oversample, e algoritmos do tipo Ensemble-Based, com o objetivo de lidar com o desbalanceamento entre as classes. Como resultados deste trabalho foram obtidos modelos capazes de identificar a les?o com uma taxa de falsos negativos de at? 4,5%, com um melhor desempenho para o modelo Inception, quando treinado com o Dataset RUS e para o modelo o Ensemble-RUS.",
 	publisher = {Universidade Estadual de Feira de Santana},
 	scholl = {Programa de P?s-Gradua??o em Ci?ncia da Computa??o},
 	note = {DEPARTAMENTO DE TECNOLOGIA}
}