Título: Data-augmentation de dados de radiografia de torax no contexto de aprendizagem profunda
Autores: Otto Tavares Nascimento, José Manoel de Seixas and Anete Trajman
Resumo:
Este artigo discute técnicas de aprendizagem profunda aplicadas ao problema de triagem de tuberculose ativa em radiografias de tórax. O objetivo é contribuir para a prevenção e para o tratamento desta doença infecciosa, propondo uma rede neural convolucional (CNN) classificadora de tuberculose ativa, tendo como dados de entrada um conjunto de radiografias de tórax de indivíduos com ou sem tuberculose. Para melhor ajustar os parâmetros da CNN, técnicas de data-augmentation, utilizando modelos generativos adversariais (GAN), são aplicadas e avaliadas.
Palavras-chave:
Aprendizado profundo, Tuberculose, Aprendizado de Máquina na Saúde, Data-Augmentation.
Páginas: 7
Código DOI: 10.21528/CBIC2021-135
Artigo em pdf: CBIC_2021_paper_135.pdf
Arquivo BibTeX: CBIC_2021_135.bib