Aplicação de modelos de deep learning para a detecção do câncer de pulmão

• Ano de defesa: 2024
• Autor(a) principal: Atoche Galarreta, Andrés Iván
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Deep learning; Lung cancer; Transfer learning; Inception; Xception; Câncer de pulmão; Aprendizado de transferência; Aprendizado profundo; Imagens médicas
• Link de acesso: https://hdl.handle.net/11449/255701

Na América Latina, nos últimos anos, o câncer de pulmão emergiu como uma das principais causas de mortalidade. Segundo estimativas de 2023, no Brasil, esse tipo de câncer ocupa o terceiro lugar em incidência entre os homens e o quarto entre as mulheres. Essa problemática é agravada devido ao acesso limitado aos serviços de saúde, especialmente entre as pessoas em situação de pobreza, que são mais afetadas. Esse panorama apresenta um desafio significativo para a nossa sociedade. Com o objetivo de abordar essa questão, este estudo concentrou-se na avaliação do desempenho de cinco modelos diferentes de redes convolucionais aplicadas ao diagnóstico do câncer a partir de imagens médicas. Para isso, utilizou-se um conjunto de dados composto por tomografias computadorizadas de pulmões classificadas em três estados: maligno, benigno e normal. Utilizando a técnica de aprendizado de transferência, esses cinco modelos foram treinados e avaliados sob diferentes cenários (experimentos). Os resultados obtidos revelaram que o modelo InceptionV3 demonstrou o melhor desempenho em termos de precisão. Por outro lado, o modelo Xception alcançou uma precisão superior a 90% em seis de oito cenários avaliados.