@MASTERSTHESIS{ 2019:1621427785,
 	title = {Breast tumor classification in ultrasound images using deep convolutional neural network},
 	year = {2019},
 	url = "https://tede.ufam.edu.br/handle/tede/7145",
 	abstract = "Recentemente, Deep Learning mostrou muito sucesso em varias aplicações de
 visão computacional. A capacidade de aprender automaticamente as características das
 imagens e usar estas características para localização, classificação e segmentação dos
 objetos abriu o caminho para novos estudos na área de imagens médicas, melhorando o
 desempenho de sistemas de detecção automática assistida por computador (CADE).
 Neste trabalho uma nova abordagem baseada em redes neurais convolucionais (CNN) é
 proposta para a classificação das imagens de nódulos de mama em ultrassom (US). O
 banco de dados é composto de 641 imagens, histopatologicamente classificadas em duas
 categorias (413 lesões benignas e 228 malignas). Para ter uma melhor estimativa do
 desempenho da classificação do modelo, os dados foram divididos em 5 pastas para
 executar a validação cruzada, que em cada pasta 80% dos dados foram usados para
 treinamento, e 20% para testes. Diferentes parâmetros de avaliação foram usados como
 medidas de desempenho. Com a arquitetura da rede proposta conseguiu-se uma precisão
 de 85,98% para a classificação dos nódulos e uma área sob a curva ROC (AUC) igual a
 0,94. Após aplicação das técnicas de augmentação de imagens e regularização, a precisão
 e a AUC aumentaram para 92,05% e 0,97, respectivamente. Os resultados obtidos
 superaram outros métodos de aprendizagem de máquina baseado na seleção manual das
 características, o que demonstra a eficácia do método proposto para a classificação de
 nódulos em imagens de ultrassom.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Engenharia Elétrica},
 	note = {Faculdade de Tecnologia}
}