@MASTERSTHESIS{ 2020:2076787063,
 	title = {Detec??o autom?tica de bacilos em baciloscopia de campo claro usando aprendizado profundo e t?cnica de imagem mosaico},
 	year = {2020},
 	url = "https://tede.ufam.edu.br/handle/tede/7938",
 	abstract = "A Tuberculose (Tb) ? uma das 10 principais causas de morte em todo o mundo. O
 diagn?stico e o tratamento da Tb nos seus estados iniciais s?o fundamentais para o diminuir o
 ?ndice de pessoas afetadas pela doen?a, visto que a transmiss?o do bacilo de Kock, o agente
 causador da Tb, ? feito por via respirat?ria. Com o objetivo de auxiliar os especialistas no
 diagn?stico dessa doen?a, muitos trabalhos t?m sido desenvolvidos para a detec??o autom?tica
 do bacilo de Kock em imagens de baciloscopia de campo claro, exame frequentemente utilizado
 para o diagn?stico da doen?a. Neste trabalho ? apresentado um m?todo de detec??o de bacilos
 utilizando redes neurais convolucionais (RNC) para realizar a tarefa de segmenta??o associadas
 a uma t?cnica de constru??o das imagens do banco de dados que foi denominado como imagemmosaico. A metodologia consiste na implementa??o de redes neurais convolucionais para
 realizar a segmenta??o de objetos de interesse, no caso bacilos, em uma imagem-mosaico,
 seguida da contagem dos bacilos segmentados. Foram avaliadas tr?s arquiteturas de RNC, tr?s
 m?todos de otimiza??o e quatro m?todos para avaliar a generaliza??o de cada arquitetura. Ao
 todo foram realizadas 36 simula??es. Avaliando os desempenhos das simula??es, verificou-se
 que as redes com poucas camadas tem maior incid?ncia de ru?dos, ou seja, pixels classificados
 erroneamente como bacilos. Isso deve-se ao fato de que poucas camadas prejudicam o
 aprendizado da rede para diferenciar as classes. A arquitetura com maior quantidade de
 camadas, m?todo de otimiza??o ADAM e m?todo de generaliza??o com a camada dropout
 apresentou melhores resultados em rela??o ?s outras simula??es. Esse modelo alcan?ou valores
 acima de 99% para as m?tricas acur?cia, precis?o, sensibilidade, especificidade e F1-score,
 m?tricas essas que foram utilizadas na avalia??o dos modelos.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de P?s-gradua??o em Engenharia El?trica},
 	note = {Faculdade de Tecnologia}
}