Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Lucena, Daniel Vitor de lattes
Orientador(a): Soares, Anderson da Silva lattes
Banca de defesa: Soares, Anderson da Silva, Coelho, Clarimar José, Wastowski, Isabela Jubé, Laureano, Gustavo Teodoro, Soares, Fabrízzio Alphonsus Alves de Melo Nunes
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Goiás
Programa de Pós-Graduação: Programa de Pós-graduação em Ciência da Computação em Rede UFG/UFMS (INF)
Departamento: Instituto de Informática - INF (RG)
País: Brasil
Palavras-chave em Português:
Espectroscopia de infravermelho de ondas curtas
Imagem hiperespectral
Aprendizagem de máquina
Aprendizagem profunda
Nevo displásico e melanoma
Palavras-chave em Inglês:
Short-wave infrared
Hyperspectral imaging
Machine learning
Deep learning
Skin lesions
Dysplastic nevus and melanoma
Área do conhecimento CNPq:
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
Link de acesso: http://repositorio.bc.ufg.br/tede/handle/tede/11648
Resumo: Hyperspectral Imaging (HSI) is a new concept of disease diagnosis by image analysis. Although there are many approaches for HSI image analysis, the classification of spatial informations to tumor classification is still limited. In this thesis is proposed the building of a new method of analysis and classification of present objects in HSI based on techniques of machine learning to understand the molecular vibrational behavior of healthy and tumoral human epithelial tissue by means of short-wave infrared (SWIR) spectroscopy. In the experimental study is analyzed samples of Melanoma, Dysplastic Nevus and healthy skin. Results show that human epithelial tissue is sensitive to SWIR to the point of making possible the differentiation between healthy and tumor tissues. It can be concluded that HSI-SWIR can be used to build new methods for tumor classification.
id UFG-2_be40c38e0cfa58719061b0772c7c8391
oai_identifier_str oai:repositorio.bc.ufg.br:tede/11648
network_acronym_str UFG-2
network_name_str Repositório Institucional da UFG
repository_id_str
spelling Soares, Anderson da Silvahttp://lattes.cnpq.br/1096941114079527Coelho, Clarimar Joséhttp://lattes.cnpq.br/1350166605717268Soares, Anderson da SilvaCoelho, Clarimar JoséWastowski, Isabela JubéLaureano, Gustavo TeodoroSoares, Fabrízzio Alphonsus Alves de Melo Nuneshttp://lattes.cnpq.br/1813839443247801Lucena, Daniel Vitor de2021-09-24T11:24:13Z2021-09-24T11:24:13Z2021-08-04LUCENA, D. V. Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas. 2021. 89 f. Tese (Doutorado em Ciência da Computação em Rede) - Universidade Federal de Goiás, Goiânia, 2021.http://repositorio.bc.ufg.br/tede/handle/tede/11648Hyperspectral Imaging (HSI) is a new concept of disease diagnosis by image analysis. Although there are many approaches for HSI image analysis, the classification of spatial informations to tumor classification is still limited. In this thesis is proposed the building of a new method of analysis and classification of present objects in HSI based on techniques of machine learning to understand the molecular vibrational behavior of healthy and tumoral human epithelial tissue by means of short-wave infrared (SWIR) spectroscopy. In the experimental study is analyzed samples of Melanoma, Dysplastic Nevus and healthy skin. Results show that human epithelial tissue is sensitive to SWIR to the point of making possible the differentiation between healthy and tumor tissues. It can be concluded that HSI-SWIR can be used to build new methods for tumor classification.Imagem hiperespectral (HSI) é um novo conceito de diagnóstico de doenças por análise de imagens. Embora existam muitas abordagens para a análise de imagens HSI, a classificação das informações espaciais para a classificação do tumor ainda é limitada. Nesta tese é proposta a construção de um novo método de análise e classificação de objetos presentes em HSI baseado em técnicas de aprendizado de máquina para entender o comportamento vibracional molecular de tecido epitelial humano sadio e tumoral por meio de espectroscopia de infravermelho de ondas curtas (SWIR). No estudo experimental são analisadas amostras de Melanoma, Nevo Displásico e Pele Saudável. Os resultados mostram que o tecido epitelial humano é sensível ao SWIR a ponto de possibilitar a diferenciação entre tecidos saudáveis e tumorais. Conclui-se que o HSI-SWIR pode ser utilizado para construir novos métodos de classificação tumoral.Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2021-09-22T12:27:09Z No. of bitstreams: 2 Tese - Daniel Vitor de Lucena - 2021.pdf: 33187134 bytes, checksum: 9539f4441cbfd5a1711af1fc0a466d5e (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2021-09-24T11:24:13Z (GMT) No. of bitstreams: 2 Tese - Daniel Vitor de Lucena - 2021.pdf: 33187134 bytes, checksum: 9539f4441cbfd5a1711af1fc0a466d5e (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)Made available in DSpace on 2021-09-24T11:24:13Z (GMT). No. of bitstreams: 2 Tese - Daniel Vitor de Lucena - 2021.pdf: 33187134 bytes, checksum: 9539f4441cbfd5a1711af1fc0a466d5e (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Previous issue date: 2021-08-04Fundação de Amparo à Pesquisa do Estado de GoiásporUniversidade Federal de GoiásPrograma de Pós-graduação em Ciência da Computação em Rede UFG/UFMS (INF)UFGBrasilInstituto de Informática - INF (RG)Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessEspectroscopia de infravermelho de ondas curtasImagem hiperespectralAprendizagem de máquinaAprendizagem profundaNevo displásico e melanomaShort-wave infraredHyperspectral imagingMachine learningDeep learningSkin lesionsDysplastic nevus and melanomaCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAOClassificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtasClassification of tumor epithelial tissues using hyperspectral and short wave infrared imaginginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis21500500500500261263reponame:Repositório Institucional da UFGinstname:Universidade Federal de Goiás (UFG)instacron:UFGLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.bc.ufg.br/tede/bitstreams/cc800a7d-aaa8-4cd4-ad62-0af4bd718567/download8a4605be74aa9ea9d79846c1fba20a33MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805http://repositorio.bc.ufg.br/tede/bitstreams/331646d7-a6d8-4089-ae74-0db0c54e8966/download4460e5956bc1d1639be9ae6146a50347MD52ORIGINALTese - Daniel Vitor de Lucena - 2021.pdfTese - Daniel Vitor de Lucena - 2021.pdfapplication/pdf33187134http://repositorio.bc.ufg.br/tede/bitstreams/8f2ce284-b60d-486a-9336-2978af1aa354/download9539f4441cbfd5a1711af1fc0a466d5eMD53tede/116482021-09-24 08:24:14.122http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalopen.accessoai:repositorio.bc.ufg.br:tede/11648http://repositorio.bc.ufg.br/tedeRepositório InstitucionalPUBhttp://repositorio.bc.ufg.br/oai/requesttasesdissertacoes.bc@ufg.bropendoar:2021-09-24T11:24:14Repositório Institucional da UFG - Universidade Federal de Goiás (UFG)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
dc.title.pt_BR.fl_str_mv Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas
dc.title.alternative.eng.fl_str_mv Classification of tumor epithelial tissues using hyperspectral and short wave infrared imaging
title Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas
spellingShingle Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas
Lucena, Daniel Vitor de
Espectroscopia de infravermelho de ondas curtas
Imagem hiperespectral
Aprendizagem de máquina
Aprendizagem profunda
Nevo displásico e melanoma
Short-wave infrared
Hyperspectral imaging
Machine learning
Deep learning
Skin lesions
Dysplastic nevus and melanoma
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
title_short Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas
title_full Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas
title_fullStr Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas
title_full_unstemmed Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas
title_sort Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas
author Lucena, Daniel Vitor de
author_facet Lucena, Daniel Vitor de
author_role author
dc.contributor.advisor1.fl_str_mv Soares, Anderson da Silva
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/1096941114079527
dc.contributor.advisor-co1.fl_str_mv Coelho, Clarimar José
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/1350166605717268
dc.contributor.referee1.fl_str_mv Soares, Anderson da Silva
dc.contributor.referee2.fl_str_mv Coelho, Clarimar José
dc.contributor.referee3.fl_str_mv Wastowski, Isabela Jubé
dc.contributor.referee4.fl_str_mv Laureano, Gustavo Teodoro
dc.contributor.referee5.fl_str_mv Soares, Fabrízzio Alphonsus Alves de Melo Nunes
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/1813839443247801
dc.contributor.author.fl_str_mv Lucena, Daniel Vitor de
contributor_str_mv Soares, Anderson da Silva
Coelho, Clarimar José
Soares, Anderson da Silva
Coelho, Clarimar José
Wastowski, Isabela Jubé
Laureano, Gustavo Teodoro
Soares, Fabrízzio Alphonsus Alves de Melo Nunes
dc.subject.por.fl_str_mv Espectroscopia de infravermelho de ondas curtas
Imagem hiperespectral
Aprendizagem de máquina
Aprendizagem profunda
Nevo displásico e melanoma
topic Espectroscopia de infravermelho de ondas curtas
Imagem hiperespectral
Aprendizagem de máquina
Aprendizagem profunda
Nevo displásico e melanoma
Short-wave infrared
Hyperspectral imaging
Machine learning
Deep learning
Skin lesions
Dysplastic nevus and melanoma
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
dc.subject.eng.fl_str_mv Short-wave infrared
Hyperspectral imaging
Machine learning
Deep learning
Skin lesions
Dysplastic nevus and melanoma
dc.subject.cnpq.fl_str_mv CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
description Hyperspectral Imaging (HSI) is a new concept of disease diagnosis by image analysis. Although there are many approaches for HSI image analysis, the classification of spatial informations to tumor classification is still limited. In this thesis is proposed the building of a new method of analysis and classification of present objects in HSI based on techniques of machine learning to understand the molecular vibrational behavior of healthy and tumoral human epithelial tissue by means of short-wave infrared (SWIR) spectroscopy. In the experimental study is analyzed samples of Melanoma, Dysplastic Nevus and healthy skin. Results show that human epithelial tissue is sensitive to SWIR to the point of making possible the differentiation between healthy and tumor tissues. It can be concluded that HSI-SWIR can be used to build new methods for tumor classification.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-09-24T11:24:13Z
dc.date.available.fl_str_mv 2021-09-24T11:24:13Z
dc.date.issued.fl_str_mv 2021-08-04
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv LUCENA, D. V. Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas. 2021. 89 f. Tese (Doutorado em Ciência da Computação em Rede) - Universidade Federal de Goiás, Goiânia, 2021.
dc.identifier.uri.fl_str_mv http://repositorio.bc.ufg.br/tede/handle/tede/11648
identifier_str_mv LUCENA, D. V. Classificação de tecidos epiteliais tumorais empregando imagens hiperespectrais e infravermelho de ondas curtas. 2021. 89 f. Tese (Doutorado em Ciência da Computação em Rede) - Universidade Federal de Goiás, Goiânia, 2021.
url http://repositorio.bc.ufg.br/tede/handle/tede/11648
dc.language.iso.fl_str_mv por
language por
dc.relation.program.fl_str_mv 21
dc.relation.confidence.fl_str_mv 500
500
500
500
dc.relation.department.fl_str_mv 26
dc.relation.cnpq.fl_str_mv 126
dc.relation.sponsorship.fl_str_mv 3
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Goiás
dc.publisher.program.fl_str_mv Programa de Pós-graduação em Ciência da Computação em Rede UFG/UFMS (INF)
dc.publisher.initials.fl_str_mv UFG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Instituto de Informática - INF (RG)
publisher.none.fl_str_mv Universidade Federal de Goiás
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFG
instname:Universidade Federal de Goiás (UFG)
instacron:UFG
instname_str Universidade Federal de Goiás (UFG)
instacron_str UFG
institution UFG
reponame_str Repositório Institucional da UFG
collection Repositório Institucional da UFG
bitstream.url.fl_str_mv http://repositorio.bc.ufg.br/tede/bitstreams/cc800a7d-aaa8-4cd4-ad62-0af4bd718567/download
http://repositorio.bc.ufg.br/tede/bitstreams/331646d7-a6d8-4089-ae74-0db0c54e8966/download
http://repositorio.bc.ufg.br/tede/bitstreams/8f2ce284-b60d-486a-9336-2978af1aa354/download
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
4460e5956bc1d1639be9ae6146a50347
9539f4441cbfd5a1711af1fc0a466d5e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFG - Universidade Federal de Goiás (UFG)
repository.mail.fl_str_mv tasesdissertacoes.bc@ufg.br
_version_ 1798045064921874432

Registros relacionados