@MASTERSTHESIS{ 2018:1627013046,
 	title = {Segmenta??o autom?tica de les?es de mama em imagens de ultrassom utilizando redes neurais convolutivas},
 	year = {2018},
 	url = "https://tede.ufam.edu.br/handle/tede/6865",
 	abstract = "O diagn?stico precoce ? um fator crucial para aumentar as chances de tratamento do c?ncer de mama. A mamografia ? atualmente a melhor forma de se detectar les?es de mama em fases iniciais, contudo, em alguns casos, ela ? inconclusiva, necessitando assim, de exames auxiliares com intuito de obter um diagn?stico diferencial. Com isso, a ultrassonografia mam?ria surge como o principal adjunto devido ao seu custo e acessibilidade. A ultrassonografia de mama tem potencial de diferenciar les?es malignas de benignas atrav?s da an?lise de caracter?sticas como formato e contorno, no entanto, a an?lise n?o ? uma tarefa trivial, o que pode se tornar muito custosa e conter variabilidade. Devido a isso, m?todos computacionais t?m sido criados para auxiliar os especialistas nesta tarefa. Esta disserta??o desenvolve um m?todo computacional, baseado em redes neurais convolutivas, para segmentar les?es de mama em imagens de ultrassom. S?o desenvolvidas tr?s arquiteturas (BUS-CNN1, BUS-CNN2, BUS-CNN3) com diferentes topologias com o objetivo de se analisar a melhor arquitetura para esta tarefa. A base de dados utilizada contem 387 imagens de ultrassom de mama e foi dividida em conjuntos de treinamento e teste, com 255 e 132 imagens, respectivamente. Foram utilizados seis m?tricas de desempenho para an?lise quantitativa, s?o elas: Acur?cia, Acur?cia Global, Interse??o sobre Uni?o (IOU), IOU ponderada, Taxa Boudary F1 (BF) e Coeficiente Dice de Similaridade. As tr?s arquiteturas foram treinadas e testadas com os mesmos conjuntos. Ap?s os testes, evidenciou-se que a arquitetura BUS-CNN3 obteve os melhores resultados em cinco das seis m?tricas utilizadas, com uma Acur?cia Global de 95,93%, IOU de 87,92%, IOU ponderada de 92,36%, Taxa BF de 68,77% e Coeficiente Dice de 89,11%.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de P?s-gradua??o em Engenharia El?trica},
 	note = {Faculdade de Tecnologia}
}