Desenvolvimento de técnicas utilizando CNN para detecção de câncer de pele
| dc.contributor.advisor1 | Silva Neto, Otilio Paulo da | |
| dc.contributor.advisor1Lattes | http://lattes.cnpq.br/2004899053752109 | pt_BR |
| dc.creator | Barbosa, Matheus Levi da Silva | |
| dc.creator.Lattes | http://lattes.cnpq.br/1854826911775062 | pt_BR |
| dc.date.accessioned | 2026-02-09T18:53:28Z | |
| dc.date.available | 2026-02-09T18:53:28Z | |
| dc.date.issued | 2025-07-27 | |
| dc.description.abstract | Cancer is one of the leading causes of morbidity and mortality worldwide, posing an ongoing challenge to medicine and science. Given the increasing incidence of various types of cancer, enhancing diagnostic tools is crucial for improving survival rates and treatment effectiveness. This study proposes an approach that leverages advanced image processing techniques and deep learning for the segmentation and classification of different types of cancer. The methodology focuses on the application of Convolutional Neural Networks (CNNs), which are well known for their high performance in medical image segmentation and classification.Early and accurate detection is essential for the success of cancer treatment, yet traditional methods based on manual analysis face issues of subjectivity and inter-observer variability. To overcome these limitations, the study was structured into four main stages. Initially, the dataset was analyzed and prepared, involving the exploration of image characteristics and the application of techniques to balance class distribution. Next, computational models for lesion segmentation and classification were developed and fine-tuned, with an emphasis on improving diagnostic accuracy. Subsequently, the necessary infrastructure was implemented to integrate the models into an accessible and secure support system. Finally, a user-friendly interface was developed to allow image capture and interaction with the system, enhancing the user experience.The expected outcomes include the creation of an effective tool that can be integrated into clinical protocols, improving both the accuracy and speed of cancer diagnosis. By adopting these technologies, it is hoped not only to enhance diagnostic efficiency but also to positively influence patient treatment and prognosis. Thus, this study contributes significantly to the advancement of imaging-based diagnostic practices in oncology, exploring new technological frontiers to address one of the greatest challenges in public health. | pt_BR |
| dc.description.resumo | O câncer é uma das principais causas de morbidade e mortalidade global, apresentando um desafio constante para a medicina e a ciência. Diante da crescente incidência de diversos tipos de câncer, aprimorar ferramentas de diagnóstico é crucial para melhorar as taxas de sobrevivência e a eficácia dos tratamentos. Este estudo propõe uma abordagem, utilizando técnicas avançadas de processamento de imagem e aprendizado profundo para segmentação e classificação de diferentes tipos de câncer. A metodologia foca na aplicação de Convolutional Neural Networks (CNNs), reconhecidas por sua alta performance em segmentação e classificação de imagens médicas.A detecção precoce e precisa é essencial para o sucesso do tratamento oncológico, mas os métodos tradicionais, baseados em análise manual, enfrentam problemas de subjetividade e variabilidade entre os observadores. Para superar essas limitações, o estudo foi estruturado em quatro etapas principais. Inicialmente, realizou-se a análise e preparação do conjunto de dados, envolvendo a exploração das características das imagens e a aplicação de técnicas para equilibrar a distribuição das classes. Na sequência, desenvolveram-se e ajustaram-se modelos computacionais para a segmentação e classificação das lesões, com foco na melhoria da acurácia diagnóstica. Posteriormente, implementou-se a infraestrutura necessária para a integração dos modelos em um sistema de suporte acessível e seguro. Por fim, desenvolveu-se uma interface amigável que permite a captura de imagens e a interação com o sistema, otimizando a experiência do usuário.Os resultados esperados incluem a criação de uma ferramenta eficaz que possa ser integrada aos protocolos clínicos, melhorando a precisão e a velocidade do diagnóstico de câncer. Com a adoção dessas tecnologias, espera-se não apenas aprimorar a eficiência diagnóstica, mas também influenciar positivamente o tratamento e o prognóstico dos pacientes. Assim, o estudo contribui significativamente para o avanço das práticas de diagnóstico por imagem no campo oncológico, explorando novas fronteiras tecnológicas para enfrentar um dos maiores desafios da saúde pública. | pt_BR |
| dc.identifier.citation | BARBOSA, Matheus Levi da Silva. Desenvolvimento de técnicas utilizando CNN para detecção de câncer de pele. Orientador: Otilio Paulo da Silva Neto. 2025. 72 f. Trabalho de Conclusão de Curso (Análise e Desenvolvimento de Sistemas) - Instituto Federal do Piauí, Campus Teresina Central, Teresina, 2025 | pt_BR |
| dc.identifier.uri | https://bia.ifpi.edu.br/jspui/handle/123456789/5288 | |
| dc.language | por | pt_BR |
| dc.publisher | Instituto Federal de Educação, Ciência e Tecnologia do Piauí | pt_BR |
| dc.publisher.country | Brasil | pt_BR |
| dc.publisher.department | Campus Teresina Central | pt_BR |
| dc.publisher.initials | IFPI | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject | Câncer de pele | pt_BR |
| dc.subject | Diagnóstico por imagem | pt_BR |
| dc.subject | Medical imaging | pt_BR |
| dc.subject | Segmentação de imagens | pt_BR |
| dc.subject | Redes neurais convolucionais | pt_BR |
| dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA | pt_BR |
| dc.title | Desenvolvimento de técnicas utilizando CNN para detecção de câncer de pele | pt_BR |
| dc.title.alternative | Development of Techniques Using CNN for Skin Cancer Detection | pt_BR |
| dc.type | Trabalho de Conclusão de Curso | pt_BR |
Files
License bundle
1 - 1 of 1
Loading...
- Name:
- license.txt
- Size:
- 1.82 KB
- Format:
- Item-specific license agreed upon to submission
- Description: