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

Não há dados estatísticos.

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

Edição

v. 17 n. 1 (2025): Publicação Contínua

Seção

Artigos

Licença

Licença Creative Commons
Este obra está licenciado com uma Licença Creative Commons Atribuição 4.0 Internacional.