Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Barrett's esophagus analysis using infinity Restricted Boltzmann Machines

Texto completo
Autor(es):
Passos, Leandro A. [1] ; de Souza, Jr., Luis A. [1] ; Mendel, Robert [2, 3] ; Ebigbo, Alanna [4] ; Probst, Andreas [4] ; Messmann, Helmut [4] ; Palm, Christoph [2, 3] ; Papa, Joao Paulo [5]
Número total de Autores: 8
Afiliação do(s) autor(es):
[1] Univ Fed Sao Carlos, UFSCAR, Dept Comp, BR-13565905 Sao Carlos, SP - Brazil
[2] OTH Regensburg, Ostbayer Tech Hsch Regensburg, Regensburg Med Image Comp ReMIC, D-93053 Regensburg - Germany
[3] OTH Regensburg, Regensburg Ctr Hlth Sci & Technol, D-93053 Regensburg - Germany
[4] Klinikum Augsburg III, Med Klin, D-86156 Augsburg - Germany
[5] Sao Paulo State Univ, UNESP, Dept Comp, BR-17033360 Bauru - Brazil
Número total de Afiliações: 5
Tipo de documento: Artigo Científico
Fonte: JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION; v. 59, p. 475-485, FEB 2019.
Citações Web of Science: 0
Resumo

The number of patients with Barret's esophagus (BE) has increased in the last decades. Considering the dangerousness of the disease and its evolution to adenocarcinoma, an early diagnosis of BE may provide a high probability of cancer remission. However, limitations regarding traditional methods of detection and management of BE demand alternative solutions. As such, computer-aided tools have been recently used to assist in this problem, but the challenge still persists. To manage the problem, we introduce the infinity Restricted Boltzmann Machines (iRBMs) to the task of automatic identification of Barrett's esophagus from endoscopic images of the lower esophagus. Moreover, since iRBM requires a proper selection of its meta-parameters, we also present a discriminative iRBM fine-tuning using six meta-heuristic optimization techniques. We showed that iRBMs are suitable for the context since it provides competitive results, as well as the meta-heuristic techniques showed to be appropriate for such task. (C) 2019 Elsevier Inc. All rights reserved. (AU)

Processo FAPESP: 14/16250-9 - Sobre a otimização de parâmetros em técnicas de aprendizado de máquina: avanços e paradigmas
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
Beneficiário:Alexandre Xavier Falcão
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
Beneficiário:José Alberto Cuminato
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
Processo FAPESP: 15/25739-4 - Estudo de semântica em modelos de aprendizado em profundidade
Beneficiário:Gustavo Henrique de Rosa
Linha de fomento: Bolsas no Brasil - Mestrado
Processo FAPESP: 16/21243-7 - Aprendendo parâmetros de remoção em Redes Neurais por Convolução
Beneficiário:Gustavo Henrique de Rosa
Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Mestrado