Título: Segmentação e Data Augmentation em imagens de raio-x de Pacientes com Tuberculose ou COVID-19
Autores: Alexandre Oliveira, Marcos Rocha and José Manoel Seixas
Resumo:
O emprego da Inteligência Artificial (IA) tem ganhado importância nas mais diversas áreas da ciência. A tuberculose é uma doença transmissível que está entre uma das 10 principais causas de morte em todo o mundo. O SARS Cov-2 é um tipo de coronavírus que pode atingir diferentes partes do corpo humano, que fez com que a OMS decretasse o estágio de pandemia, com severos impactos em escala global. Este trabalho tem por objetivo empregar redes neurais profundas a fim de avaliar o impacto da segmentação de pulmões e data augmentation na classificação de pacientes com tuberculose ou COVID-19, em base de dados de tamanho reduzido. Desenvolvemos modelos que foram capazes de identificar pacientes com tuberculose (acurácia de 97,7%), ou COVID (acurácia de 99,4%), a partir de data augmentation sugerindo a viabilidade do emprego no diagnóstico assistido por computador.
Palavras-chave:
Tuberculose, COVID-19, CNN, Inception, MLP, Data Augmentation, Segmentação, Triagem, Diagnóstico.
Páginas: 7
Código DOI: 10.21528/CBIC2021-126
Artigo em pdf: CBIC_2021_paper_126.pdf
Arquivo BibTeX: CBIC_2021_126.bib