Detalhes bibliográficos
Ano de defesa: |
2023 |
Autor(a) principal: |
LIMA, Pedro Vitor Soares Gomes de |
Orientador(a): |
SANTOS, Wellington Pinheiro dos |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal de Pernambuco
|
Programa de Pós-Graduação: |
Programa de Pos Graduacao em Engenharia Biomedica
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/50253
|
Resumo: |
O uso de inteligência artificial cresce continuamente em diversos setores, e no setor da saúde não é diferente. Aplicações de inteligência computacional ajudam aos profissionais da saúde no processo de diagnóstico, permitindo que este seja mais rápido e mais con- fiável. Segundo a Organização Mundial da Saúde (OMS), as doenças negligenciadas são aquelas doenças endêmicas que ocorrem em regiões subdesenvolvidas e que não possuem apelo suficiente para receberem investimentos do Estado ou do mercado. O Brasil é um dos países com mais casos de hanseníase, esta sendo uma das doenças classificadas como negligenciadas, chegando a uma taxa de detecção geral de novos casos de 13,23 por 100 mil habitantes em 2019. Com uma realidade diferente, mas também preocupante, o cân- cer é tido como uma das principais causas de morte e uma importante barreira para o aumento da expectativa de vida em todos os países do mundo. No Brasil, para cada ano do triênio 2020-2022 estima-se 625 mil novos casos de câncer, sendo o câncer de pele não melanoma o de maior incidência (177 mil). Este trabalho busca contribuir na detecção precoce da hanseníase e do câncer de pele com a criação de uma estrutura de apoio ao diagnóstico utilizando redes neurais artificiais profundas para extração de atributos, com- binado a um algoritmo de classificação, de modo a reconhecer as doenças em imagens com lesões de pele. A fim de uma maior assertividade, foram propostos 7 diferentes cenários de experimentos envolvendo as doenças citadas, levando em conta tanto aspectos compu- tacionais quanto relatos de profissionais da saúde. Foram analisadas as redes profundas LeNet, SqueezeNet, NASNetMobile, ResNet50 e Inception v3 combinadas a diversas con- figurações do classificador Random Forest. Com base nas métricas de avaliação definidas, observou-se que a arquitetura Inception v3 é aquela que normalmente gera melhores re- sultados e que, considerando um trade off entre performance e custo computacional, a configuração apropriada para o classificador é aquela com 100 árvores. Como consequên- cia disso, o objetivo da pesquisa foi atingido, chegando em um eficiente sistema de apoio ao diagnóstico por imagem e não invasivo da hanseníase e do câncer de pele adaptado à realidade do Brasil. |