Name: | Description: | Size: | Format: | |
---|---|---|---|---|
42.46 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
Doença de Crohn e Colite Ulcerosa são duas doenças crónicas que provocam uma in flamação nos tecidos de todo trato gastrointestinal, e são caracterizadas pelo termo:
Doença Inflamatória do Intestino. Para os pacientes com esta patologia, um diag nóstico preciso e atempado é um ponto chave para a qualidade de vida das pessoas
com o objetivo de ser prescrito um tratamento que minimize os sintomas provocados
pela inflamção do intestino. Contudo, os médicos gastroenterologistas sentem alguma
dificuldade em avaliar as imagens endoscópicas de modo a reconhecer as caracterís ticas das duas doenças crónicas. Portanto, através deste trabalho procura-se encon trar uma forma de automatizar o diagnóstico destes pacientes durante o exame en doscópico reduzindo a subjetividade que está sujeito pela observação de um gastroen terologista, utilizando seis CNNs: AlexNet, ResNet50, VGG16, InceptionV3, ResNet50-
MobileNetV2 e um modelo híbrido. Foram ainda utilizadas neste estudo cinco ViTs:
ViT-B/32, ViT-S/32, ViT-B/16, ViT-S/16 and R26+S/32. Knowledge distillation foi apli cada de forma a construir modelos mais simples, com menos parâmetros, com base na
aprendizagem das arquiteturas pré-treinadas em grandes volumes de dados. Conclui se que no âmbito das ViTs consegue-se reduzir 25x o número de parâmetros mantendo
uma boa performance e reduzir o tempo de inferência em 5,32 segundos. Para as CNNs
os resultados mostram que é possível reduzir em 107x o número de parâmetros, re duzindo por consequência o tempo de inferência em 3,84 segundos. Aliado a isto,
ainda foi realizada a interpretabilidade dos modelos que permitiu concluir que ambas
as arquiteturas (teacher and student models) conseguem identificar úlceras, situações de
sangramento e lesões provocadas pela inflamação da doença.
Description
Keywords
Colite ulcerosa Doença de Crohn Deep Learning Destilação do conhecimento DeiT