--- a
+++ b/README.md
@@ -0,0 +1,52 @@
+# U-Net para Segmentação de Imagens de Tomografia Computadorizada (Coração, Pulmão e Traqueia)
+
+OBS: Caso o Github não renderize o arquivo .ipynb use os links abaixo:
+
+- <a href="https://nbviewer.org/github/Julio-M39/11-Segmentation_CT_Images_heart_lung_and_trachea/blob/main/U-Net%20Convolutional%20Networks%20Para%20Segmenta%C3%A7%C3%A3o%20de%20Imagens%20de%20Tomografia%20Computadorizada.ipynb">Clique aqui!</a> 
+
+### Definição do Projeto
+
+Neste Projeto vamos usar um modelo pré-treinado de arquitetura U-Net disponível com o framework PyTorch e construir uma solução de segmentação de imagens de tomografia 
+computadorizada para segmentar o coração, o pulmão e a traqueia. Ao final, vamos gerar as previsões em vídeo. Esse modelo de IA sendo capaz de realizar a segmentação pode ser usado como suporte clínico ao especialista médico a fim de detectar possíveis anomalias.
+
+**Base de Imagens**
+
+Para este projeto usaremos as imagens e máscaras disponíveis no link abaixo:
+
+https://www.kaggle.com/sandorkonya/ct-lung-heart-trachea-segmentation
+
+Este conjunto de dados foi modificado a partir do conjunto de dados de segmentação pulmonar por Kónya et al., 2020 no link: 
+
+https://www.kaggle.com/sandorkonya/ct-lung-heart-trachea-segmentation
+
+Os  arquivos  nrrd  originais  foram  salvos no  formato  de  tensor  único  com  máscaras correspondentes  aos  rótulos:  (pulmões,  coração,  traqueia)  como  matrizes  numpy  usando pickle. Cada tensor tem a seguinte forma: número de fatias (slices), largura, altura e número de classes, onde largura, altura e número de fatias são parâmetros individuais de cada id de tensor e número de classes = 3.
+
+Além disso, os dados foram salvos como imagens RGB, onde cada imagem corresponde a  um ID  de slice,  e  suas  imagens-máscara  possuem  canais  correspondentes  a  três  classes: (pulmão, coração, traqueia).
+
+### Etapas do Projeto
+
+- Carregando e Compreendendo os Dados
+- Processo de Treinamento
+- Funções Para os Cálculos das Métricas
+- Função de Perda
+- Métricas Por Classe
+- Treinamento do Modelo
+- Avaliação do Modelo
+- Funções Para Geração de Vídeo
+- Geração de Vídeo das Previsões do Modelo
+
+### Resultados
+
+| CLASSES  | DICE   | JACCARD | 
+| -------- | ------ | ------- | 
+| Pulmão   | 97,9 % | 96,8 %  |
+| Coração  | 97,9 % | 97,0 %  |
+| Traqueia | 95,5 % | 93,5 %  |
+
+**Resultados Visuais**
+
+Na imagem abaixo podemos ver os resultados visuais para a segmentação do pulmão em azul, coração em vermelho e traqueia em amarelo.
+
+<div>
+<img src="https://user-images.githubusercontent.com/54995990/189792403-48d44949-f824-46f9-b796-9f59db527940.png" width="800px" />
+</div>