D.IAgnóstica: Ferramenta CADx para Diagnóstico de Doenças Pulmonares em Imagens Radiológicas
Resumo
O diagnóstico de doenças pulmonares em radiografias é desafiador devido às variações na apresentação clínica e subjetividade na interpretação. Este estudo descreve o desenvolvimento de uma ferramenta de auxílio ao diagnóstico por computador (CADx) projetada para ajudar os médicos no diagnóstico de doenças pulmonares. A ferramenta foi construída usando um modelo de deep learning para classificação das diversas condições pulmonares. Além disso, uma aplicação web foi desenvolvida para simplificar o acesso e uso eficaz do modelo, incorporando recursos para registrar clínicas e profissionais. Esta abordagem promissora visa melhorar a precisão dos diagnósticos e contribuir para o avanço da medicina e a otimização do sistema de saúde.Referências
Attia, S. J. (2016). Enhancement of chest x-ray images for diagnosis purposes. Journal of Natural Sciences Research, 6(2):43–46.
Chen, C.-M., Chou, Y.-H., Tagawa, N., Do, Y., et al. (2013). Computer-aided detection and diagnosis in medical imaging.
Cruz, L. B., Araújo, J. D. L., Sousa, J. A., Almeida, J. D., Júnior, G. B., Silva, A. C., and Paiva, A. C. (2018). Classificaçao do filme lacrimal usando a funçao k de ripley como descritor de textura. In Anais do XVIII Simpósio Brasileiro de Computação Aplicada à Saúde. SBC.
da Cruz, L. B., Júnior, D. A. D., Diniz, J. O. B., Silva, A. C., de Almeida, J. D. S., de Paiva, A. C., and Gattass, M. (2022). Kidney tumor segmentation from computed tomography images using deeplabv3+ 2.5 d model. Expert Systems with Applications, 192:116270.
da Silva, G. L., de S Filho, E. L., Magno, P. G., Santos, C. J., Diniz, J. O., Ferreira, J. L., Matos, C. E., and Silva, A. C. (2022). Desenvolvimento de uma aplicação web para o diagnóstico da covid-19 usando conceitos, técnicas e ferramentas de inteligência artificial. Sociedade Brasileira de Computação.
Iqbal, A., Usman, M., and Ahmed, Z. (2022). An efficient deep learning-based framework for tuberculosis detection using chest x-ray images. Tuberculosis, 136:102234.
Júnior, D. A. D., da Cruz, L. B., Diniz, J. O., Júnior, G. B., and Silva, A. C. (2021). Classificaçao automática de glóbulos brancos usando descritores de forma e textura e extreme gradient boosting. In Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde, pages 95–106. SBC.
Kim, J. and Kim, K. H. (2020). Role of chest radiographs in early lung cancer detection. Translational lung cancer research, 9(3):522.
Kumar, S. (2021). Covid19+pneumonia+normal chest x-ray image dataset. [link]. Acessado em : October 13, 2023.
Leonardo, M. M., Carvalho, T. J., Rezende, E., Zucchi, R., and Faria, F. A. (2018). Deep feature-based classifiers for fruit fly identification (diptera: Tephritidae). In 2018 31st SIBGRAPI, pages 41–47. IEEE.
Maur, R. (2022). Imbalanced tuberculosis and pneumonia dataset. [link]. Acessado em 13 de outubro de 2023.
Mooney, P. (2018). Chest x-ray images (pneumonia). [link]. Acessado em 13 de outubro de 2023.
Rahim, A., Kurniawan, M., et al. (2020). Machine learning based decision support system for determining the priority of covid–19 patients. In 2020 3rd International Conference on Information and Communications Technology (ICOIACT), pages 319–324. IEEE.
Soares, R. A., Pereira, I. S., Frazão, M. P., Duque, M. d. G. C., Duque, R. d. G. C., Pádua, D. M., da Rocha Martins, J. K. G., de Oliveira Peixoto, J., da Silva Acácio, M., Galvão, A. A. C. B., et al. (2023). O uso da inteligência artificial na medicina: aplicações e benefícios. Research, Society and Development, 12(4):e5012440856–e5012440856.
Tawfeeq, L. A., Hussein, S. S., jasem Mohammed, M., and Abood, S. S. (2021). Predication of most significant features in medical image by utilized cnn and heatmap. J. Inf. Hiding Multim. Signal Process., 12(4):217–225.
Wang, Z., Xiao, Y., Li, Y., Zhang, J., Lu, F., Hou, M., and Liu, X. (2021). Automatically discriminating and localizing covid-19 from community-acquired pneumonia on chest x-rays. Pattern recognition, 110:107613.
World Health Organization (2020). The top 10 causes of death. [link]. Acessado em 27 de fevereiro de 2024.
Chen, C.-M., Chou, Y.-H., Tagawa, N., Do, Y., et al. (2013). Computer-aided detection and diagnosis in medical imaging.
Cruz, L. B., Araújo, J. D. L., Sousa, J. A., Almeida, J. D., Júnior, G. B., Silva, A. C., and Paiva, A. C. (2018). Classificaçao do filme lacrimal usando a funçao k de ripley como descritor de textura. In Anais do XVIII Simpósio Brasileiro de Computação Aplicada à Saúde. SBC.
da Cruz, L. B., Júnior, D. A. D., Diniz, J. O. B., Silva, A. C., de Almeida, J. D. S., de Paiva, A. C., and Gattass, M. (2022). Kidney tumor segmentation from computed tomography images using deeplabv3+ 2.5 d model. Expert Systems with Applications, 192:116270.
da Silva, G. L., de S Filho, E. L., Magno, P. G., Santos, C. J., Diniz, J. O., Ferreira, J. L., Matos, C. E., and Silva, A. C. (2022). Desenvolvimento de uma aplicação web para o diagnóstico da covid-19 usando conceitos, técnicas e ferramentas de inteligência artificial. Sociedade Brasileira de Computação.
Iqbal, A., Usman, M., and Ahmed, Z. (2022). An efficient deep learning-based framework for tuberculosis detection using chest x-ray images. Tuberculosis, 136:102234.
Júnior, D. A. D., da Cruz, L. B., Diniz, J. O., Júnior, G. B., and Silva, A. C. (2021). Classificaçao automática de glóbulos brancos usando descritores de forma e textura e extreme gradient boosting. In Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde, pages 95–106. SBC.
Kim, J. and Kim, K. H. (2020). Role of chest radiographs in early lung cancer detection. Translational lung cancer research, 9(3):522.
Kumar, S. (2021). Covid19+pneumonia+normal chest x-ray image dataset. [link]. Acessado em : October 13, 2023.
Leonardo, M. M., Carvalho, T. J., Rezende, E., Zucchi, R., and Faria, F. A. (2018). Deep feature-based classifiers for fruit fly identification (diptera: Tephritidae). In 2018 31st SIBGRAPI, pages 41–47. IEEE.
Maur, R. (2022). Imbalanced tuberculosis and pneumonia dataset. [link]. Acessado em 13 de outubro de 2023.
Mooney, P. (2018). Chest x-ray images (pneumonia). [link]. Acessado em 13 de outubro de 2023.
Rahim, A., Kurniawan, M., et al. (2020). Machine learning based decision support system for determining the priority of covid–19 patients. In 2020 3rd International Conference on Information and Communications Technology (ICOIACT), pages 319–324. IEEE.
Soares, R. A., Pereira, I. S., Frazão, M. P., Duque, M. d. G. C., Duque, R. d. G. C., Pádua, D. M., da Rocha Martins, J. K. G., de Oliveira Peixoto, J., da Silva Acácio, M., Galvão, A. A. C. B., et al. (2023). O uso da inteligência artificial na medicina: aplicações e benefícios. Research, Society and Development, 12(4):e5012440856–e5012440856.
Tawfeeq, L. A., Hussein, S. S., jasem Mohammed, M., and Abood, S. S. (2021). Predication of most significant features in medical image by utilized cnn and heatmap. J. Inf. Hiding Multim. Signal Process., 12(4):217–225.
Wang, Z., Xiao, Y., Li, Y., Zhang, J., Lu, F., Hou, M., and Liu, X. (2021). Automatically discriminating and localizing covid-19 from community-acquired pneumonia on chest x-rays. Pattern recognition, 110:107613.
World Health Organization (2020). The top 10 causes of death. [link]. Acessado em 27 de fevereiro de 2024.
Publicado
25/06/2024
Como Citar
GONÇALVES, José V. L.; SOUZA, Diego V. de; SANTOS, Cicero I. A. T. dos; NASCIMENTO, Carlos E. T. do; CRUZ, Luana B. da; D. JUNIOR, Domingos A.; DINIZ, João O. B..
D.IAgnóstica: Ferramenta CADx para Diagnóstico de Doenças Pulmonares em Imagens Radiológicas. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 24. , 2024, Goiânia/GO.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 214-225.
ISSN 2763-8952.
DOI: https://doi.org/10.5753/sbcas.2024.2159.
