Please use this identifier to cite or link to this item:
http://hdl.handle.net/11612/2857
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Botelho, Glenda Michele | - |
dc.contributor.author | Alexandre, Eufrasio Lopes de | - |
dc.date.accessioned | 2021-06-29T02:24:18Z | - |
dc.date.available | 2021-06-29T02:24:18Z | - |
dc.date.issued | 2019 | - |
dc.identifier.citation | ALEXANDRE, Eufrazio Lopes de. Segmentação de imagens de câncer de pele utilizando superpixels.70f. Monografia (Graduação)-Ciências da Computação, Universidade Federal do Tocantins, Palmas, 2019. | pt_BR |
dc.identifier.uri | http://hdl.handle.net/11612/2857 | - |
dc.description.abstract | Nowadays, there is a wide variety of computational techniques for the processing of digital images that can be applied to a wide range of fields, such as industry, commerce, education and the field of medicine. Highlighting with great importance, the field of medicine, which through the analysis of digital images, some diseases that are difficult to detect and identify can be diagnosed and treated properly. Among the diagnosed diseases, the skin lesions are the most disturbing representative of cutaneous melanoma. Because melanoma presents difficult identification when compared to other skin lesions or nevus (moles), technologies based on digital imaging techniques may be used to characterize the disease. In this work a digital image segmentation method is applied for the detection of melanoma skin cancer, using the superpixel technique, based on the Simple Linear Iterative Clustering - SLIC algorithm. The superpixel technique presents, as a basic characteristic, the grouping of pixels in regions significantly similar, in which the characteristics of the study images will be analyzed, which will facilitate the detection of skin lesions. | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.publisher | Universidade Federal do Tocantins | pt_BR |
dc.rights | Acesso Livre | pt_BR |
dc.subject | Processamento de Imagens | pt_BR |
dc.subject | Segmentação de Imagens | pt_BR |
dc.subject | Superpixels | pt_BR |
dc.subject | Câncer de pele | pt_BR |
dc.title | Segmentacão de imagens de câncer de pele utilizando superpixels | pt_BR |
dc.type | Monografia | pt_BR |
dc.description.resumo | Atualmente, verifica-se uma ampla variedade de técnicas computacionais destinadas ao processamento de imagens digitais que podem ser aplicadas as mais diversas áreas de atuação como na indústria, comércio, educação e medicina. Esta última destaca-se devido `a importância, pois através da análise de imagens digitais, algumas doenças de difícil detecçao e identificação podem ser diagnosticadas e tratadas adequadamente. Dentre as doenças que podem ser detectadas através da análise de imagens digitais, destacam-se as lesões de pele, tendo como seu representante mais preocupante o melanoma cutâneo. Pelo fato do melanoma apresentar difícil identificação ao ser comparado com outras lesões de pele ou nevos (pintas), podem ser usadas tecnologias baseadas em técnicas de processamento de imagens digitais para caracterizar a doença. Neste trabalho é aplicado um método de segmentação de imagens digitais para a detecção do câncer de pele melanoma, utilizando a técnica de superpixel, baseado no algoritmo Simple Linear Iterative Clustering - SLIC. A técnica de superpixel apresenta, como característica básica, o agrupamento de pixels em regiões significativamente semelhantes, em que serão analisadas as características das imagens de estudo, o que facilitar´a a detecçãao de lesões na pele. | pt_BR |
dc.publisher.campus | Palmas | pt_BR |
dc.subject.cnpq | Ciências Exatas e da Terra | pt_BR |
dc.publisher.curso | Ciências da Computação | pt_BR |
dc.publisher.local | Palmas | pt_BR |
dc.publisher.level | Graduação | pt_BR |
Appears in Collections: | Ciência da Computação |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
EUFRAZIO LOPES DE ALEXANDRE-TCC.pdf | 16.84 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.