Cloud computing para deploy de modelos de deep learning para a classificação de Retinopatia Diabética
Resumo
A retinopatia diabética (RD) é uma doença que vem crescendo a ritmos alarmantes. A falta de mão de obra especializada para diagnóstico, essencial para o tratamento bem-sucedido da doença, traz a necessidade de estudo de alternativas para o diagnóstico via meios computacionais. Neste trabalho, avaliamos o desempenho e custo de alternativas para o deploy de modelos de Deep Learning para classificação de RD. Através da escolha da melhor arquitetura, foi possível melhorar o desempenho em até 1,71 vezes, com redução de custo de 4,17%.
Referências
Federation, I. D. (2021). IDF Diabetes Atlas. International Diabetes Federation, Brussels, Belgium.
Hudgeon, D. and Nichol, R. (2020). Amazon sagemaker: Use your own inference code with hosting services. Acesso em: 10 de mar de 2023.
Ivanova, D., Borovska, P., and Zahov, S. (2018). Development of paas using aws and terraform for medical imaging analytics. AIP Conference Proceedings, 2048(1):060018.
Moreira, F., Schaan, B., Schneiders, J., Reis, M., Serpa, M., and Navaux, P. (2020). Impacto da resolução na detecção de retinopatia diabética com uso de deep learning. In Anais do XX Simpósio Brasileiro de Computação Aplicada à Saúde, pages 494-499, Porto Alegre, RS, Brasil. SBC.
Voets, M., Møllersen, K., and Bongo, L. A. (2019). Reproduction study using public data of: Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. PloS one, 14(6):e0217541.