Author:
Silva Henrique Castro e,Gomide Leonardo Caetano,Machado Alexei Manso Correa
Abstract
Este artigo investiga o problema de apoio ao diagnóstico de câncer de colo de útero por meio da aplicação de aprendizado profundo para análise de células do exame Papanicolau. O trabalho apresenta um processo para classificação de células, além dos resultados de diferentes modelos convolucionais na tarefa de classificação.
Publisher
Sociedade Brasileira de Computação - SBC
Reference8 articles.
1. He, K., Zhang, X., Ren, S., and Sun, J. (2016). Deep residual learning for image recognition. In Proceedings of the IEEE conference on computer vision and pattern recognition, pages 770–778.
2. Howard, A. G., Zhu, M., Chen, B., Kalenichenko, D., Wang, W., Weyand, T., Andreetto, M., and Adam, H. (2017). Mobilenets: Efficient convolutional neural networks for mobile vision applications. arXiv preprint arXiv:1704.04861.
3. Ji, J., Zhang, W., Dong, Y., Lin, R., Geng, Y., and Hong, L. (2023). Automated cervical cell segmentation using deep ensemble learning. BMC Medical Imaging, 23(1):137.
4. Mosiichuk, V., Sampaio, A., Viana, P., Oliveira, T., and Rosado, L. (2023). Improving mobile-based cervical cytology screening: A deep learning nucleus-based approach for lesion detection. Applied Sciences, 13(17).
5. Nayar, R. and Wilbur, D. (2015). The Bethesda System for Reporting Cervical Cytology. Definitions, Criteria, and Explanatory Notes.