Protótipo de Aplicação Mobile Para Identificação de Úlceras do Pé Diabético
Resumo
Este artigo discute o desenvolvimento de um protótipo de aplicação móvel para profissionais de saúde que utiliza Redes Neurais Convolucionais para detectar lesões em pacientes com Úlceras do Pé Diabético. O artigo descreve a metodologia de desenvolvimento, apresenta o protótipo e o modelo CNN. A rede YOLOv5 é utilizada para detecção das lesões, e os resultados mostram que o modelo exibiu um Mean Average Precision de 86,20%.
Palavras-chave:
Protótipo, Aplicação, Detecção, DFU, YOLOv5, Mobile, Redes Neurais Artificiais
Referências
Facebook (2023). React Native Getting Started Guide. Disponível em: https://reactnative.dev/docs/getting-started. Acesso em 23 mar. 2023.
Galdran, A., Carneiro, G., and Ballester, M. A. G. (2021). Convolutional Nets Versus Vision Transformers for Diabetic Foot Ulcer Classification.
Google (2023). Firebase Documentation. Disponível em: https://firebase.google.com/docs?hl=pt-br. Acesso em 23 mar. 2023.
Goyal, M., Reeves, N. D., Rajbhandari, S., Ahmad, N., Wang, C., and Yap, M. H. (2020). Recognition of Ischaemia and Infection in Diabetic Foot Ulcers: Dataset and Techniques. Computers in Biology and Medicine, 117:103616.
Jocher, G., Chaurasia, A., Stoken, A., Borovec, J., NanoCode012, Kwon, Y., Michael, K., TaoXie, Fang, J., imyhxy, Lorna, Yifu), Wong, C., V, A., Montes, D., Wang, Z., Fati, C., Nadar, J., Laughing, UnglvKitDe, Sonck, V., tkianai, yxNONG, Skalski, P., Hogan, A., Nair, D., Strobel, M., and Jain, M. (2022). Ultralytics/YOLOv5: v7.0 - YOLOv5 SOTA Realtime Instance Segmentation.
Ploderer, B., Brown, R., Seng, L., Lazzarini, P., and Van Netten, J. (2018). Promoting Self-Care of Diabetic Foot Ulcers Through a Mobile Application: A User-Centered Design and Evaluation (Preprint). JMIR Diabetes, 3.
Pop, D.-P. and Samuel, A. A. (2014). Designing an MVC Model for Rapid Web Application Development. Procedia Engineering, 69.
Redmon, J., Divvala, S., Girshick, R., and Farhadi, A. (2016). You Only Look Once: Unified, Real-Time Object Detection. In 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pages 779–788.
Saeedi, P., Petersohn, I., Salpea, P., Malanda, B., Karuranga, S., Unwin, N., Colagiuri, S., Guariguata, L., Motala, A. A., Ogurtsova, K., Shaw, J. E., Bright, D., and Williams, R. (2019). Global and Regional Diabetes Prevalence Estimates for 2019 and Projections for 2030 and 2045: Results from the International Diabetes Federation Diabetes Atlas. Diabetes Research and Clinical Practice.
Santos, E., Santos, F., Dallyson, J., Aires, K., Tavares, J., and Veras, R. (2022). Diabetic Foot Ulcers Classification Using a Fine-Tuned CNNs Ensemble, pages 282–287.
Yap, M. H., Reeves, N., Boulton, A., Rajbhandari, S., Armstrong, D., Maiya, A. G., Najafi, B., Frank, E., and Wu, J. (2020). Diabetic Foot Ulcers Grand Challenge 2020.
Galdran, A., Carneiro, G., and Ballester, M. A. G. (2021). Convolutional Nets Versus Vision Transformers for Diabetic Foot Ulcer Classification.
Google (2023). Firebase Documentation. Disponível em: https://firebase.google.com/docs?hl=pt-br. Acesso em 23 mar. 2023.
Goyal, M., Reeves, N. D., Rajbhandari, S., Ahmad, N., Wang, C., and Yap, M. H. (2020). Recognition of Ischaemia and Infection in Diabetic Foot Ulcers: Dataset and Techniques. Computers in Biology and Medicine, 117:103616.
Jocher, G., Chaurasia, A., Stoken, A., Borovec, J., NanoCode012, Kwon, Y., Michael, K., TaoXie, Fang, J., imyhxy, Lorna, Yifu), Wong, C., V, A., Montes, D., Wang, Z., Fati, C., Nadar, J., Laughing, UnglvKitDe, Sonck, V., tkianai, yxNONG, Skalski, P., Hogan, A., Nair, D., Strobel, M., and Jain, M. (2022). Ultralytics/YOLOv5: v7.0 - YOLOv5 SOTA Realtime Instance Segmentation.
Ploderer, B., Brown, R., Seng, L., Lazzarini, P., and Van Netten, J. (2018). Promoting Self-Care of Diabetic Foot Ulcers Through a Mobile Application: A User-Centered Design and Evaluation (Preprint). JMIR Diabetes, 3.
Pop, D.-P. and Samuel, A. A. (2014). Designing an MVC Model for Rapid Web Application Development. Procedia Engineering, 69.
Redmon, J., Divvala, S., Girshick, R., and Farhadi, A. (2016). You Only Look Once: Unified, Real-Time Object Detection. In 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pages 779–788.
Saeedi, P., Petersohn, I., Salpea, P., Malanda, B., Karuranga, S., Unwin, N., Colagiuri, S., Guariguata, L., Motala, A. A., Ogurtsova, K., Shaw, J. E., Bright, D., and Williams, R. (2019). Global and Regional Diabetes Prevalence Estimates for 2019 and Projections for 2030 and 2045: Results from the International Diabetes Federation Diabetes Atlas. Diabetes Research and Clinical Practice.
Santos, E., Santos, F., Dallyson, J., Aires, K., Tavares, J., and Veras, R. (2022). Diabetic Foot Ulcers Classification Using a Fine-Tuned CNNs Ensemble, pages 282–287.
Yap, M. H., Reeves, N., Boulton, A., Rajbhandari, S., Armstrong, D., Maiya, A. G., Najafi, B., Frank, E., and Wu, J. (2020). Diabetic Foot Ulcers Grand Challenge 2020.
Publicado
19/10/2023
Como Citar
BORGES, Rodrigo N.; VERAS, Rodrigo M. S.; SANTOS, Elineide.
Protótipo de Aplicação Mobile Para Identificação de Úlceras do Pé Diabético. In: ENCONTRO UNIFICADO DE COMPUTAÇÃO DO PIAUÍ (ENUCOMPI), 16. , 2023, Piripiri/PI.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 81-88.
DOI: https://doi.org/10.5753/enucompi.2023.26620.
