Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/80301
Título: | Visual Semantic Embedding Model based on DeViSE for medical imaging |
Autor(es): | Diogo, Ludgero da Silva |
Orientador(es): | Alves, Victor |
Palavras-chave: | Machine Learning DeViSE Medical Imaging Semantic Model Aprendizagem Máquina Imagem Médica Modelo Semântico |
Data: | 22-Fev-2021 |
Resumo(s): | During the last decades, artificial intelligence algorithms have been evolving to the point that they can
achieve some amazing results like, identify and navigate roads, identify fraudulent transactions,
personalize crops to individual conditions, discover new consumer trends, predict personalized health
outcomes, optimize merchandising strategies, predict maintenance, optimize pricing and scheduling in
real-time, diagnose diseases, among many others.
However, although it can do all of that, it needs all the data to be correctly label, in other words, it can
not, for example, diagnose a disease, such as a stroke, if it does not know what a stroke is, so if the
algorithm has never been trained to identify strokes a new algorithm has to be created or the current one
has to be retrained, similar issues happen in the other examples.
This work focuses on this problem and tries to solve it by using a related in a high dimensional vector
space, called semantic space, where the knowledge from known classes can be transferred to unknown
classes. Durante as últimas décadas, os algoritmos de inteligência artificial têm evoluído ao ponto de alcançarem resultados incríveis, como identificar e navegar estradas, identificar transações fraudulentas, personalizar colheitas para condições individuais, descobrir novas tendências de consumo, prever resultados de saúde personalizados, otimizar merchandising estratégias, prever manutenções, otimizar preços e agendamentos em tempo real, diagnosticar doenças, entre muitos outros. Porém, embora possa fazer tudo isso, precisa que todos os dados sejam identificados corretamente, ou seja, não pode, por exemplo, diagnosticar uma doença, como um acidente vascular cerebral, se não souber o que é um AVC, portanto, se o algoritmo nunca foi treinado para identificar AVC’s um novo algoritmo precisa de ser criado ou o atual de ser retreinado, problemas semelhantes acontecem nos outros exemplos. Esta tese foca-se neste problema e tenta resolvê-lo usando um espaço vetorial relacionado de alta dimensão, denominado espaço semântico, onde o conhecimento de classes conhecidas pode ser transferido para classes desconhecidas. |
Tipo: | Dissertação de mestrado |
Descrição: | Dissertação de mestrado em Informatics Engineering |
URI: | https://hdl.handle.net/1822/80301 |
Acesso: | Acesso aberto |
Aparece nas coleções: | BUM - Dissertações de Mestrado DI - Dissertações de Mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Ludgero da Silva Diego.pdf | Dissertação de mestrado | 3,29 MB | Adobe PDF | Ver/Abrir |
Este trabalho está licenciado sob uma Licença Creative Commons