@MASTERSTHESIS{ 2023:2130922059,
 	title = {Uma ferramenta baseada em redes morfológicas profundas para auxiliar no diagnóstico de hipertrofia adenoideana},
 	year = {2023},
 	url = "http://bibliotecatede.uninove.br/handle/tede/3512",
 	abstract = "A aprendizagem de máquina revolucionou diversos campos do conhecimento, incluindo
 a área médica, ao melhorar significativamente o estado da arte de diversas aplicações. Uma
 aplicação de destaque é o processamento de imagens médicas utilizando redes neurais convolucionais.
 No entanto, a escassez de amostras ou dados médicos disponíveis dificulta a
 aplicação efetiva dessa técnica. Neste trabalho é proposto um método baseado em redes
 morfológicas profundas para a elaboração de uma ferramenta para software livre a fim
 de auxiliar no diagnóstico da hipertrofia adenoideana. A ferramenta utiliza redes morfológicas
 profundas para reconhecer quais frames (imagens) de um vídeos de exame de
 nasofibrolaringoscopia são ideias para o médico especialista determinar um diagnóstico de
 hipertrofia adenoideana. O processo de construção dessa ferramenta envolve as seguintes
 etapas: (1) Criação de um banco de exames de nasofibrolaringoscopia; (2) Criação de um
 dataset rotulado por um especialista; (3) Criação de um modelo baseado em redes morfológicas
 profundas; (4) Criação de um plugin para software livre ImageJ, utilizando o modelo
 proposto, que foi devidamente treinado e validado. O melhor modelo avaliado combina a
 arquitetura LeNet com operadores morfológicos, sua acurácia é superior a 95% com uma
 precisão acima de 90%. Por meio desse trabalho, espera-se contribuir para o avanço no
 diagnóstico de hipertrofia adenoideana, fornecendo aos médicos uma ferramenta eficaz e
 confiável baseada em aprendizagem de máquina.",
 	publisher = {Universidade Nove de Julho},
 	scholl = {Programa de Pós-Graduação em Informática e Gestão do Conhecimento},
 	note = {Informática}
}