Aplicação de Redes Neurais Totalmente Convolucionais na Segmentação Semântica de Imagens Médicas

- 322273
Abstract
Favorite this paper
How to cite this paper?
Abstract

Este estudo investiga a aplicação de Redes Neurais Totalmente Convolucionais (FCNs) na segmentação semântica de imagens médicas, utilizando a base de dados Lung Segmentation. Foram analisadas três arquiteturas: uma FCN de implementação própria, a U-Net e a DeepLabv3+, comparando seu desempenho em um cenário de segmentação binária. O treinamento foi realizado sem pesos pré-treinados, garantindo uma avaliação justa entre os modelos.

A FCN genérica adota um design simplificado sem skip connections, enquanto a U-Net e a DeepLabv3+ incorporam mecanismos mais avançados para preservação de detalhes e análise em múltiplas escalas. O estudo busca entender as vantagens e limitações de cada abordagem em termos de precisão, eficiência computacional e uso de memória, contribuindo para a escolha de arquiteturas adequadas a diferentes desafios na segmentação de imagens médicas.

Share your ideas or questions with the authors!

Did you know that the greatest stimulus in scientific and cultural development is curiosity? Leave your questions or suggestions to the author!

Sign in to interact

Have a question or suggestion? Share your feedback with the authors!

Institutions
  • 1 Universidade Estadual Paulista “Júlio de Mesquita Filho”
  • 2 IBILCE/Unesp
Track
  • ST09 - Computational Modeling
Keywords
Segmentação de Imagens
Aprendizado Profundo
Rede Neural Totalmente Convolucional