Data-augmentation de dados de radiografia de tórax no contexto de aprendizagem profunda
Data-augmentation de dados de radiografia de tórax no contexto de aprendizagem profunda
Data
2021
Autores
Nascimento, Otto Tavares
Seixas, José Manoel de
Trajman, Anete
Journal Title
Journal ISSN
Volume Title
Publisher
Sociedade Brasileira de Inteligência Computacional
Resumo
Este artigo discute tecnicas 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.
Description
Palavras-chave
Aprendizado profundo, Tuberculose, Aprendizado de Máquina na Saúde, Data-Augmentation.
Citação
Nascimento OT, Seixas JM, Trajman A. Data-augmentation de dados de radiografia de tórax no contexto de aprendizagem profunda [Apresentação no XV Congresso Brasileiro de Inteligência Computacional: Artigos Apresentados nas Sessões Técnicas CBIC; 2021; Joinville, SC, Brasil]. doi: 10.21528/CBIC2021-135.