Desenvolvimento de uma ferramenta de aprendizado de máquina para apoio a detecção de câncer de mama
| dc.contributor.advisor | Castilho, Maiara Lima | |
| dc.contributor.author | Marques, Luiz Henrique Pinto | |
| dc.contributor.coadvisor | Lopes, Filipe Loyola | |
| dc.contributor.event2 | São José dos Campos | |
| dc.date.accessioned | 2026-03-06T17:28:08Z | |
| dc.date.available | 2026-03-06T17:28:08Z | |
| dc.date.issued | 2025 | |
| dc.description.abstract | O câncer de mama é um dos tumores mais comuns entre mulheres, causando grande impacto social e demandando estratégias eficazes para a detecção precoce. Diante disso, este trabalho propõe o desenvolvimento de uma ferramenta baseada em redes neurais convolucionais (CNN) para auxiliar na detecção precoce do câncer de mama, a partir de imagens de ultrassom, com a integração de técnicas de aprendizado profundo com um protótipo full-stack. Ao todo foram utilizados nove bancos de dados, totalizando 8.474 imagens de ultrassonografia categorizadas em benigno, maligno e normal. Para o balanceamento das três classes, foi aplicado a técnica de oversampling com a aumentação de dados, resultando em 4.212 imagens por classe e um total de 12.636 imagens. O pré-processamento das imagens incluiu a padronização para o formato PNG, normalização dos pixels e redimensionamento para 128×128 pixels. A rede neural foi treinada com divisão estratificada dos dados (76% treino, 12% validação, 12% teste) e avaliada pelas métricas de avaliação (acurácia, precisão, recall, F1-score e curva ROC) alcançando acurácia final de 87%. Além disso, foram empregadas técnicas de inteligência artificial explicável, como Grad-CAM e LIME, que geraram mapas de calor para permitir a interpretação das decisões do modelo, destacando regiões relevantes nas imagens. Por fim, a ferramenta foi implementada com backend em FastAPI para processamento de imagens via REST API e frontend em Tkinter para interface gráfica, possibilitando o upload das imagens e a visualização dos resultados com mapas de calor interpretativos. | |
| dc.description.abstract2 | Breast cancer is one of the most common tumors among women, causing a significant social impact and demanding effective strategies for early detection. Therefore, this work proposes the development of a tool based on convolutional neural networks (CNNs) to assist in the early detection of breast cancer from ultrasound images, integrating deep learning techniques with a full-stack prototype. In total, nine databases were used, totaling 8,474 ultrasound images categorized as benign, malignant, and normal. To balance the three classes, the oversampling technique was applied with data augmentation, resulting in 4,212 images per class and a total of 12,636 images. Image preprocessing included standardization to PNG format, pixel normalization, and resizing to 128×128 pixels. The neural network was trained with stratified data splitting (76% training, 12% validation, 12% testing) and evaluated using metrics (accuracy, precision, recall, F1-score, and ROC curve), achieving a final accuracy of 87%. Furthermore, explainable artificial intelligence techniques, such as Grad-CAM and LIME, were employed to generate heatmaps, allowing for the interpretation of the model's decisions and highlighting relevant regions in the images. Finally, the tool was implemented with a FastAPI backend for image processing via REST API and a Tkinter frontend for the graphical interface, enabling image uploads and visualization of results with interpretive heatmaps. | |
| dc.description.physical | 44 p. | |
| dc.format.mimetype | ||
| dc.identifier.uri | https://repositorio.univap.br/handle/123456789/1164 | |
| dc.language.iso | pt_BR | |
| dc.publisher.country | Brasil | |
| dc.publisher.department | Bacharelado em Engenharia Biomédica | |
| dc.publisher.initials | UNIVAP | |
| dc.publisher.institution | Universidade do Vale do Paraíba | |
| dc.references | MARQUES, Luiz Henrique Pinto. Desenvolvimento de uma ferramenta de aprendizado de máquina para apoio a detecção de câncer de mama. São José dos Campos, SP, 2025. 44 p. ; 1 PDF. Trabalho de graduação (Engenharia Biomédica) - Universidade do Vale do Paraíba, Faculdade de Engenharia, Arquitetura e Urbanismo, São José dos Campos/SP, 2025. | |
| dc.subject.keyword | Engenharia Biomédica | |
| dc.subject.keyword | Câncer de mama | |
| dc.subject.keyword | Detecção precoce | |
| dc.subject.keyword | Inteligência artificial explicável | |
| dc.subject.keyword | Protótipo full-stack | |
| dc.title | Desenvolvimento de uma ferramenta de aprendizado de máquina para apoio a detecção de câncer de mama | |
| dc.type | Trabalho de Conclusão de Curso |