Título: GAN Pix2Pix e a geração de imagens médicas sintéticas para dados públicos de pacientes com tuberculose
Autores: Otto Tavares Nascimento, Joao Victor Pinto da Fonseca, Jose Manoel de Seixas
Resumo: A tuberculose (TB) esta entre as doenças que mais matam no mundo. A fim de enfrentar o enorme desafio de diminuir sua incidencia até alcançar a definitiva eliminação da TB no mundo, a Organização Mundial de Saúde (OMS) recomendou recentemente a utilização de um CAD (Computer- Aided Detection) baseado em imagens radiologicas do tórax. O aprendizado profundo vem sendo utilizado com frequencia em diversas tarefas aplicadas em imagens medicas, sendo uma opção valiosa para a operação de tal CAD, notadamente em TB infecção, quando o paciente est a infectado, mas não desenvolve a doença. Este artigo discute técnicas de aprendizagem profunda aplicadas ao problema de geração sintética de imagens de radiografia, visando agregar informação para a base de dados de imagens reais e, assim, enfrentar a necessidade de um grande volume de dados para o treinamento de modelos profundos. Para isso, Redes Neurais Adversariais (GAN) são aplicadas em uma base de dados publica, composta por exames de imagem de pacientes com suspeita de tuberculose. Uma GAN pareada de tradução de contexto, GAN Pix2Pix, e explorada neste trabalho, havendo a penalização de uma dada região de interesse da imagem. No caso, a segmentação do pulm aoe utilizada como regiao de interesse. Os resultados avaliam a capacidade de produção de imagens sintéticas neste contexto
Palavras-chave: Aprendizado profundo, Tuberculose, Aprendizado de Máquina na Saúde, Generative Adversarial Networks (GAN), GAN Pix2Pix
Páginas: 8
Código DOI: 10.21528/CBIC2023-162
Artigo em pdf: CBIC_2023_paper162.pdf
Arquivo BibTeX: CBIC_2023_162.bib