MODELO DE REDE NEURAL CONVOLUCIONAL PARA CLASSIFICAÇÃO E PREDIÇÃO DE TUMOR CEREBRAL COM BASE EM IMAGEM DE RESSONÂNCIA MAGNÉTICA

Autores

Resumo

O diagnóstico preciso de tumores cerebrais é crucial na medicina, necessitando de imagens de Ressonância Magnética de alta qualidade para identificar corretamente o tipo e a localização do tumor, fator essencial para um tratamento eficaz. O objetivo deste estudo visa desenvolver uma rede neural convolucional para predizer tipos de tumores cerebrais, aplicando técnicas de visão computacional e inteligência artificial. O método utiliza imagens de Ressonância Magnética, aplicando uma abordagem experimental com uma rede neural convolucional de cinco camadas no Google Colab, com o auxílio das bibliotecas Keras e TensorFlow. A rede neural convolucional demonstrou melhorias significativas na precisão da predição dos tipos de tumores cerebrais, classificando efetivamente as imagens e identificando características distintas dos tumores. A aplicação de redes neurais convolucionais na análise de imagens de tumores cerebrais é promissora, contribuindo para o avanço da inteligência artificial na medicina e melhorando a precisão do diagnóstico e tratamento de tumores cerebrais.

Palavras-Chave: Visão Computacional, Rede Neural Convolucional, Deep Learning, Ressonância Magnética.

Downloads

Biografia do Autor

Gabriel Moraes de Oliveira, Universidade Federal de Ciências da Saúde de Porto Alegre (UFCSPA) – Porto Alegre – RS – Brasil

Graduado em Tecnologia de Sistemas para Internet pelo Instituto Federal Sul-Rio-Grandense com Formação Pedagógica em Pedagogia é Especialista em Saúde Digital pela UFG e especialista em Administração, Orientação e Supervisão Escolar. Atualmente cursa licenciatura em Ciências Biológicas e Educação Física, Mestrado em TI e Gestão em Saúde pela UFCSPA. Professor do Ensino médio Técnico do Senac, São Leopoldo-RS. Tem interesse nas áreas de: Informática na educação, formação de professores e saúde digital.

Elisangela Gisele do Carmo, Universidade Estadual Paulista - UNESP

Possui graduação em Gerontologia, Departamento de Gerontologia, Universidade Federal de São Carlos-UFSCar (2012). Especialização em Gestão de Organização Pública de Saúde pela Universidade Federal do Estado do Rio de Janeiro-UNIRIO (2014). Mestra em Ciências da Motricidade, Departamento de Educação Física, Universidade Estadual Paulista Júlio de Mesquita Filho-UNESP (2016). Doutora em Desenvolvimento Humano e Tecnologias, Departamento de Educação Física, Universidade Estadual Paulista Júlio de Mesquita Filho-UNESP (2020). Integrante do Programa de Cinesioterapia Funcional e Cognitiva em Idosos com Doença de Alzheimer (PRO-CDA) e pesquisadora no Laboratório de Atividade Física e Envelhecimento (LAFE), do Departamento de Educação Física da Universidade Estadual Paulista Júlio de Mesquita Filho- UNESP, entre os anos de 2013 à 2015. Atualmente é membro integrante e pesquisadora do Laboratório de Estudos do Lazer (LEL), do Departamento de Educação Física da Universidade Estadual Paulista Júlio de Mesquita Filho-UNESP. Atua principalmente nos seguintes temas: envelhecimento, idosos, gestão em saúde, inclusão digital, mídias sociais, tecnologias assistivas, inovações tecnológicas, psicologia positiva, estimulação cognitiva, cinema, qualidade de vida.

Downloads

Publicado

2025-02-21