Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
http://tede.bc.uepb.edu.br/jspui/handle/tede/4650
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Costa, Heráclio Almeida da | - |
dc.creator.Lattes | http://lattes.cnpq.br/1970462375995058 | por |
dc.contributor.advisor1 | Gurjão, Edmar Candeia | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/9200464668550566 | por |
dc.contributor.referee1 | Gurjão, Edmar Candeia | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/9200464668550566 | por |
dc.contributor.referee2 | Bublitz, Frederico Moreira | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/3910966211279217 | por |
dc.contributor.referee3 | Veloso, Luciana Ribeiro | - |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/2498050002491677 | por |
dc.date.accessioned | 2023-05-29T12:23:24Z | - |
dc.date.available | 2999-12-31 | por |
dc.date.issued | 2023-04-24 | - |
dc.identifier.citation | COSTA, Heráclio Almeida da. Aprendizado federado: Estudo da influência de artefatos sobre o modelo central na análise de microcalcificações por mamografia. 2023. 48f. Dissertação ( Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS) - Universidade Estadual da Paraíba, Campina Grande/PB, 2023. | por |
dc.identifier.uri | http://tede.bc.uepb.edu.br/jspui/handle/tede/4650 | - |
dc.description.resumo | Contexto: O crescente uso de técnicas de aprendizado de máquinas na área de diagnóstico médico levanta questionamentos sobre a segurança de dados sensíveis dos pacientes e sobre compartilhamento de dados para treinamento, fomentando o estudo de soluções inovadoras para tais problemas. A técnica de aprendizado federado permite o compartilhamento de informações para treinamento de algoritmos em colaboração multicêntrica, com agregação num servidor central destas informações sem a necessidade de compartilhamento dos bancos de dados, protegendo dados sensíveis e eliminando a necessidade de grande fluxo de dados para transmissão. Entretanto, existe desconhecimento por parte do servidor central a respeito da composição dos bancos de dados usados para treinamento. Quando do uso de redes convolucionais para diagnóstico por imagem, a falta de conhecimento do servidor diz respeito em especial à qualidade das imagens utilizadas e presença de artefatos. Objetivos: Avaliar a influência de artefatos de imagem no treinamento de um algoritmo de aprendizado de máquinas usando a técnica de aprendizado federado. Métodos: Utilizando-se imagens de mamografia, procedeu-se simulação de artefatos de movimento e de artefatos de poeira, avaliando-se diferentes cenários de treinamento. Uma rede neural convolucional de código aberto foi adaptada para classificar as imagens em 03 categorias: imagens sem microcalcificações; imagens com microcalcificações benignas; e imagens com microcalcificações suspeitas. Os treinamentos foram realizados antes e depois da adição dos artefatos simulados. Resultados: A adição de artefatos a imagens nos bancos de dados para treinamento resultou em influência no desempenho no algoritmo utilizado, variando em função do tamanho do banco de dados e do tipo de artefato, com potenciais efeitos benéficos. Conclusão: A utilização de imagens com artefatos na composição dos bancos de dados pode beneficiar o treinamento de algoritmos de aprendizado de máquina por técnica de aprendizado federado. | por |
dc.description.abstract | Background: The growing in use of machine learning techniques for medical diagnosis raises questions about the security of sensitive patient data and about sharing data for training, encouraging the study of innovative solutions to such problems. The federated learning technique allows the sharing of information for algorithm training in multicentric collaboration, with aggregation in a central server, without sharing databases, protecting sensitive data and eliminating the need for a large data stream for transmission. However, there is a lack of knowledge on the part of the central server regarding the composition of the databases used for training. When using convolutional networks for image diagnosis, the server's lack of knowledge concerns in particular the quality of the images used and the presence of artifacts. Objectives: Evaluate the influence of image artifacts in the training of a machine learning algorithm using the federated learning technique. Methods: Using mammography images, motion artifacts and dust artifacts were simulated, evaluating different training scenarios. An open source convolutional neural network was adapted to classify the images into 03 categories: images without microcalcifications; images with benign microcalcifications; and images with suspicious microcalcifications. Training was performed before and after the addition of simulated artifacts. Results: The addition of artifacts to images in the training databases influenced the performance of the algorithm, varying according to the size of the database and the type of artifact, with potential beneficial effects. Conclusion: The use of images with artifacts in the composition of databases can benefit the training of machine learning algorithms using a federated learning technique. | eng |
dc.description.provenance | Submitted by Heraclio Almeida da Costa (heraclio.almeida.costa@aluno.uepb.edu.br) on 2023-05-25T01:45:17Z No. of bitstreams: 2 HERACLIO TERMO DE DEPÓSITO (1).pdf: 245714 bytes, checksum: f6a1318949dd50fc4376502a1c9afa41 (MD5) TEXTO FINAL HERACLIO ALMEIDA DEPOSITO.pdf: 1722736 bytes, checksum: 5a6e49931b34c2a9f7dbcc99264d4f3e (MD5) | eng |
dc.description.provenance | Approved for entry into archive by Jean Medeiros (jeanletras@uepb.edu.br) on 2023-05-26T18:18:31Z (GMT) No. of bitstreams: 2 HERACLIO TERMO DE DEPÓSITO (1).pdf: 245714 bytes, checksum: f6a1318949dd50fc4376502a1c9afa41 (MD5) TEXTO FINAL HERACLIO ALMEIDA DEPOSITO.pdf: 1722736 bytes, checksum: 5a6e49931b34c2a9f7dbcc99264d4f3e (MD5) | eng |
dc.description.provenance | Made available in DSpace on 2023-05-29T12:23:24Z (GMT). No. of bitstreams: 2 HERACLIO TERMO DE DEPÓSITO (1).pdf: 245714 bytes, checksum: f6a1318949dd50fc4376502a1c9afa41 (MD5) TEXTO FINAL HERACLIO ALMEIDA DEPOSITO.pdf: 1722736 bytes, checksum: 5a6e49931b34c2a9f7dbcc99264d4f3e (MD5) Previous issue date: 2023-04-24 | eng |
dc.format | application/pdf | * |
dc.language | por | por |
dc.publisher | Universidade Estadual da Paraíba | por |
dc.publisher.department | Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UEPB | por |
dc.publisher.program | Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS | por |
dc.rights | Acesso Embargado | por |
dc.subject | Federated learning | eng |
dc.subject | Machine learning | eng |
dc.subject | Mammography | eng |
dc.subject | Image artifacts | eng |
dc.subject | Aprendizado de máquinas | por |
dc.subject | Aprendizado federado | por |
dc.subject | Artefatos de imagem | por |
dc.subject | Mamografia | por |
dc.subject.cnpq | ENGENHARIAS::ENGENHARIA BIOMEDICA | por |
dc.title | Aprendizado federado: Estudo da influência de artefatos sobre o modelo central na análise de microcalcificações por mamografia | por |
dc.title.alternative | Federated learning: Study of the influence of artifacts on the central model in the analysis of microcalcifications in mammography | eng |
dc.type | Dissertação | por |
Aparece nas coleções: | PPGCTS - Dissertações |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
DS - Heráclio Almeida da Costa | DS - Heráclio Almeida da Costa | 1.68 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Termo de Depósito BDTD | Termo de Depósito BDTD | 239.96 kB | Adobe PDF | Baixar/Abrir Pré-Visualizar Solictar uma cópia |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.