Repositório que armazena os códigos, resultados e parte do dataset utilizado no decorrer do projeto.
Para obtenção do dataset entrar em contato com os autores, já que a base de imagens foi montada no decorrer do trabalho de vários mestrandos e doutorandos da USP.
Analisar e validar o impacto do tamanho das regiões de interesse (do inglês, Regions of Interest - ROI) na acurácia de modelos de Deep Learning, definindo um tamanho mínimo que facilite o processo de segmentação das ROIs ao mesmo tempo que se mantém uma acurácia aceitável.
- Organizar uma base de imagens com variações de porcentagem (tamanho) das ROIs;
- Desenvolver algoritmos de classificação de imagem para predizer a classe de cada ROI;
- Empregar algoritmos de Deep Learning para definir o tamanho mínimo;
- Analisar o impacto do tamanho das ROIs na tarefa de classificação de imagem;
Além deste repositório para facilitar a replicação do processo foi produzido um resumo expandido de uma página aceito para apresentação na International Conference of Biomedics ans Health Informatics que será realizada em Pittsburgh, Pensilvânia.