O objetivo deste trabalho é utilizar uma arquitetura de Deep Neural Network (DNN) que consiga através de aprendizado supervisionado fazer a predição de diversas segmentações diferentes em imagens médicas.
Para isso, fazemos um estudo de uma das mais recentes inovações no campo de Deep Learning, as chamadas GANs. Uma nova proposta deste modelo, CoDAGANs, utiliza uma combinação de técnicas para alcançar resultados promissores em segmentação de imagens médicas.
Visando contribuir para a CoDAGANs, este trabalho propõe o uso de técnicas de processamento de imagem tradicionais para aperfeiçoar as entradas do modelo. Com o objetivo de melhorar ainda mais os resultados obtidos, aplicamos técnicas de data augmentation nos datasets de treino.