{"id":23154734,"url":"https://github.com/micaelleos/tcc_ecn_detection","last_synced_at":"2025-04-04T16:44:33.701Z","repository":{"id":236047673,"uuid":"501801977","full_name":"micaelleos/TCC_ECN_detection","owner":"micaelleos","description":"Implementação de algoritmos de aprendizado de máquina para detecção de doença em radiografias.","archived":false,"fork":false,"pushed_at":"2022-06-13T15:24:19.000Z","size":62499,"stargazers_count":1,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-02-10T02:18:07.658Z","etag":null,"topics":["computer-vision","diagnosis-prediction","image-processing","machile-learning"],"latest_commit_sha":null,"homepage":"","language":"MATLAB","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/micaelleos.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null}},"created_at":"2022-06-09T20:38:57.000Z","updated_at":"2022-06-09T21:00:47.000Z","dependencies_parsed_at":"2024-04-25T12:57:53.170Z","dependency_job_id":null,"html_url":"https://github.com/micaelleos/TCC_ECN_detection","commit_stats":null,"previous_names":["micaelleos/tcc_ecn_detection"],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/micaelleos%2FTCC_ECN_detection","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/micaelleos%2FTCC_ECN_detection/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/micaelleos%2FTCC_ECN_detection/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/micaelleos%2FTCC_ECN_detection/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/micaelleos","download_url":"https://codeload.github.com/micaelleos/TCC_ECN_detection/tar.gz/refs/heads/main","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":247215589,"owners_count":20903003,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["computer-vision","diagnosis-prediction","image-processing","machile-learning"],"created_at":"2024-12-17T20:13:49.864Z","updated_at":"2025-04-04T16:44:33.671Z","avatar_url":"https://github.com/micaelleos.png","language":"MATLAB","funding_links":[],"categories":[],"sub_categories":[],"readme":"# Reconhecimento de Padõres de Enterocolite Necrosante\n\nNeste repostirório encontra-se as implementações dos experimentos do trabalho de conclusão de curso com título: Reconhecimento de Padrões de Pneumatose Intestinal para o Diagnóstico Radiológico de Enterocolite Necrosante. O texto da monografia, com mais informações encontra-se na pasta \\doc. \n\nO intúito desse trabalho foi o desenvolvimento de um estudo comparativo de métodos de classificação para detecção de Enterocolite Necrosante em radiografias, visando o desenvolvimento de um sistema de Diagnóstico Assistido por Computador (CAD), para ser usado por médicos na Maternidade Nossa Senhora de Lourdes - MNSL, em Aracaju - SE.\n\nNeste repositório você vai encontrar:\n\n  - Implementações de métodos de machine learning: Análise de discriminante linear, banco de filtros casados, redes neurais artificiais, redes neurais convolutivas.\n  - Implementação de métodos de redução dimensional como: Discriminante Linear de Fisher, PCA.\n  - Processamento de imagens: manipulações de histograma, remoção de fundo, recorte de regiões de interesse.\n  - Algoritmos de aumento de dados.\n  - Métodos de amostragem de dados: holdout e validação cruzada.\n  - Implementação de métodos de avaliação de comparação de peformance de classificadores.\n\nA grande maioria dos algoritmos foram escritos em Matlab (C), mas alguns outros foram escritos em Python.\n \n## Sobre a Enterocolite Necrosante (ECN)\nA Enterocolite Necrosante (ECN) é uma doença inflamatória intestinal, e é considerada uma das piores emergências gastrointestinais em UTI's neonatais. Um diagnóstico rápido e preciso é imprescindível para aumentar as chances de sobrevida do paciente. A principal ferramenta utilizada para esse propósito são os exames de imagem abdominais.\n\nDentre as modalidades de exames de imagem, a radiografa plana é a mais utilizada para o diagnóstico de ECN. Entretanto, há uma certa difculdade em reconhecer os  padrões de imagem da doença, por conta da sutileza de seus marcadores radiológicos, o que faz com que haja pouca concordância entre especialistas, na avaliação de um mesmo exame. Em vista disso, o diagnóstico assistido por computador poderia ser uma importante ferramenta para auxiliar especialistas.\n\n\u003cp align=\"center\"\u003e\n  \u003cimg src=\"https://github.com/micaelleos/TCC_ECN_detection/blob/main/res/cad.png\" width=\"400\" title=\"hover text\"\u003e\n\u003c/p\u003e\n\n## Base de Dados\nPara a detecção da doença, um marcador radiológico conhecido como Pneumatose intestinal foi selecionado para fazer o diagnóstico da doença, por se tratar de um marcador quase específico. \n\nA base de dados desenvolvida no trabalho de conclusão de curso por ser encontrada no link: https://biochaves.com/downloads/banco-de-dados/dasededadosecn/\n\nNo arquivo do site há duas bases de dados, uma com amostragem por holdout e outra com amostras organizadas para ser feito a validação crusada dos dados. Ao todo são 32.340 amostras de imagens sem e com PI. Para a construção dessas bases técnicas de aumentdo de dados foram implementados, já que a disponibilidade de exames com PI eram muito pequenos.\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fmicaelleos%2Ftcc_ecn_detection","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fmicaelleos%2Ftcc_ecn_detection","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fmicaelleos%2Ftcc_ecn_detection/lists"}