Linha de pesquisa: Ciência de Dados

Resumo: Algoritmos de visão computacional, como redes neurais convolucionais, são usados para automatizar processos na medicina e apoiar o diagnóstico. Esses algoritmos minimizam o erro humano durante a análise de imagens médicas e reduzem a variabilidade entre operadores. Neste estudo, para apoiar o diagnóstico, foram propostas três estraté- gias envolvendo fusão de redes neurais convolucionais. Primeiro, comitês de redes neurais convolucionais foram utilizados na tarefa de classificação de imagens gastrointestinais. Em segundo lugar, através da fusão de modelos convolucionais, foi proposto um novo modelo para detectar pontos de referência em imagens de cefalogramas laterais, radiografias de mãos e radiografias de pulmão. A terceira análise testou se o pré-processamento de imagens ajudaria os modelos convolucionais na tarefa de detecção de pontos de refer- ência e segmentação de regiões. As estratégias propostas foram avaliadas com base em métricas comuns na literatura, como erro radial médio e F1-score. Além disso, alinhado aos conceitos de computação verde, também foram avaliados o consumo de recursos e as emissões de poluentes. Para a tarefa de classificação, o comitê proposto obteve F1-score de 0.910, correspondendo à literatura, porém, utilizando equipamentos de menor custo. Para detecção de pontos de referência, por meio de fusão de modelos, considerando a taxa de detecção de sucesso, success detection rate (SDR), entre os pontos de referência previstos e os pontos de referência originais, alcançamos SDR de 95.72% para o cefalograma lateral e 99.56% para as radiografias de mão, ambos considerando uma distância de até 4mm. Para radiografias de pulmão, obtivemos um SDR de 84.21% considerando 6 pixels de distância. Nossa proposta também reduziu o tempo de execução, o consumo de energia e as emissões de carbono em cerca de 65%. A estratégia de pré-processamento não apresentou melhorias significativas nos resultados.

Link para a defesa: https://teams.microsoft.com/l/meetup-join/19%3ameeting_YmIxNjYzMmQtN2IzO...