To cite this paper use one of the standards below:
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.
With nearly 200,000 papers published, Galoá empowers scholars to share and discover cutting-edge research through our streamlined and accessible academic publishing platform.
Learn more about our products:
This proceedings is identified by a DOI , for use in citations or bibliographic references. Attention: this is not a DOI for the paper and as such cannot be used in Lattes to identify a particular work.
Check the link "How to cite" in the paper's page, to see how to properly cite the paper