@MASTERSTHESIS{ 2025:2141065890,
 	title = {Deep learning no reconhecimento de câncer cerebral em ressonâncias magnéticas},
 	year = {2025},
 	url = "http://sistemas2.uespi.br/handle/tede/1572",
 	abstract = "O aprendizado de máquina tem se mostrado uma ferramenta promissora para o diagnóstico precoce e o tratamento eficaz de doenças por meio da análise de imagens médicas. Neste estudo, exploramos a aplicação do modelo Xception na classificação de tumores cerebrais em três categorias: meningioma, glioma e tumor da glândula pituitária. Utilizando pesos pré-treinados no ImageNet, o modelo alcançou uma acurácia de validação de 97%, demonstrando consistência em diferentes classes. Métricas complementares, como recall, F1-score e precision, foram empregadas para avaliar o desempenho. Tentamos também implementar a técnica Grad-CAM para interpretar as decisões do modelo. No entanto, dificuldades técnicas impediram a geração consistente dos mapas de calor, destacando a necessidade de ajustes em futuros trabalhos. Os resultados reforçam o potencial de modelos baseados em aprendizado profundo para suportar a análise clínica de imagens cerebrais.",
 	publisher = {Universidade Estadual do Piauí},
 	scholl = {Bacharelado em Ciências da Computação},
 	note = {Centro de Ensino - Campus do Interior}
}