Detecção de anomalias médicas no pulmão usando técnicas de inteligência artificial
Autor(a) principal: | |
---|---|
Data de Publicação: | 2024 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional do IFAM (Repositório Institucional do Instituto Federal do Amazonas) |
Texto Completo: | http://repositorio.ifam.edu.br/jspui/handle/4321/1403 |
Resumo: | Artificial Intelligence (AI) is not a contemporary concept, and its presence is not alien to society; currently, numerous applications employ this knowledge. However, despite the growing incorporation of technology in various contexts and increasingly in everyday life, a significant portion of the population still views technological intervention with reservations. In the medical field, it is no different; there is concern about the replacement of healthcare professionals by intelligent machines. Those who think so are mistaken; currently, AI is already involved in various aspects, such as disease prognosis, image understanding, interconnection of prescription databases, among others, and yet there is still a need for human presence. However, such advances do not spread uniformly; there will still be many gaps in the democratization of the application of this resource, whether due to a lack of technology, training, or even distances. In the latter case, it is more common in Brazil, which has continental extensions. According to the World Health Organization (WHO), in the last decade, two of the four leading causes of death in the world are related to respiratory diseases. In Brazil, according to the Ministry of Health, in the first nine months of 2022, there were more than 40,000 deaths from pneumonia alone. This work aims to compare machine learning algorithm models to present the pros and cons of each. Neural networks were used to check a dataset of images for training, validation, and testing of models with the purpose of recognizing and diagnosing cases of pneumonia through only X-ray examinations. |
id |
IFAM-1_2e876ac84f103c4d35e67f3743970394 |
---|---|
oai_identifier_str |
oai:localhost:4321/1403 |
network_acronym_str |
IFAM-1 |
network_name_str |
Repositório Institucional do IFAM (Repositório Institucional do Instituto Federal do Amazonas) |
repository_id_str |
|
spelling |
Detecção de anomalias médicas no pulmão usando técnicas de inteligência artificialInteligência artificialRedes NeuraisPneumoniaCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::CONTROLE DE PROCESSOS ELETRONICOS, RETROALIMENTACAOArtificial Intelligence (AI) is not a contemporary concept, and its presence is not alien to society; currently, numerous applications employ this knowledge. However, despite the growing incorporation of technology in various contexts and increasingly in everyday life, a significant portion of the population still views technological intervention with reservations. In the medical field, it is no different; there is concern about the replacement of healthcare professionals by intelligent machines. Those who think so are mistaken; currently, AI is already involved in various aspects, such as disease prognosis, image understanding, interconnection of prescription databases, among others, and yet there is still a need for human presence. However, such advances do not spread uniformly; there will still be many gaps in the democratization of the application of this resource, whether due to a lack of technology, training, or even distances. In the latter case, it is more common in Brazil, which has continental extensions. According to the World Health Organization (WHO), in the last decade, two of the four leading causes of death in the world are related to respiratory diseases. In Brazil, according to the Ministry of Health, in the first nine months of 2022, there were more than 40,000 deaths from pneumonia alone. This work aims to compare machine learning algorithm models to present the pros and cons of each. Neural networks were used to check a dataset of images for training, validation, and testing of models with the purpose of recognizing and diagnosing cases of pneumonia through only X-ray examinations.inteligência artificial (IA) não constitui um conceito contemporâneo, e sua presença não é alheia à sociedade; atualmente, numerosas aplicações empregam esse conhecimento. Contudo, apesar da crescente incorporação da tecnologia em diversos contextos e cada vez mais na vida cotidiana, uma parcela expressiva da população ainda encara com reservas a intervenção tecnológica. Tratando-se na área médica, não é diferente, existe receio que haja substituição de profissionais da saúde por máquinas inteligentes. Engana-se quem pensa assim, atualmente a IA já atua em diversas vertentes, como prognóstico de doenças, compreensão de imagens, interconexão de banco de dados de receituários entre outros, e mesmo assim, ainda existe a necessidade da presença humana. Porém, tais avanços não se difundem de maneira homogênea, ainda existirão muitas lacunas para a democratização na aplicação deste recurso, seja por falta de tecnologia, por capacitação ou até mesmo distâncias. Neste último caso, é mais comum no Brasil, que tem extensões continentais. De acordo com a Organização Mundial da Saúde(OMS), na última década, duas das quatro principais causas de morte no mundo estão relacionadas a doenças respiratórias. No Brasil, segundo o Ministério da Saúde, nos primeiros nove meses de 2022, houveram mais de 40 mil óbitos apenas por pneumonia. Este trabalho tem como intuito comparar modelos de algoritmos de aprendizagem de máquina, com o propósito de apresentar os prós e contras de cada uma. Foi usado redes neurais, para verificar uma base de imagens para treino, validação e teste dos modelos com o propósito de reconhecer e diagnosticar casos de pneumonia através apenas de exames de raios x.BrasilCampus Manaus DistritoInstituto Federal do AmazonasIFAMEngenharia de Controle e AutomaçãoInstituto Federal do AmazonasIFAMEngenharia de Controle e AutomaçãoInstituto Federal do AmazonasIFAMEngenharia de Controle e AutomaçãoSantos, Alyson de Jesus dosAlyson de Jesus dos SantosSantos, Alyson de Jesus doshttp://lattes.cnpq.br/5998752909180697Santos, Lucélia Cunha da RochaFialho, Michaella Socorro Brucehttp://lattes.cnpq.br/9348859124436505SilvaSilva, Rafael Reinaldo2024-01-22T17:40:24Z2024-01-222024-01-22T17:40:24Z2024-12-22info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisSilva, Rafael Reinaldo da. 2024. Detecção de anomalias no pulmão usando técnicas de inteligência artificial. Monografia. 57 f. 2024.(Engenharia de Controle e Automação) - Instituto Federal de Educação, Ciência e Tecnologia do Amazonas, Campus Manaus Distrito Industrial Manaus, 2024http://repositorio.ifam.edu.br/jspui/handle/4321/1403por3.0. Departamento de Biologia Celular e do Desenvolvimento. 2023. Disponível em: <https://mol.icb.usp.br/index.php/9-2-tecido-nervoso/.> Acesso em: 15 out 2023. Citado na página 24. AZEVÊDO, L. d. S. Cultura maker: uma nova possibilidade no processo de ensino e aprendizagem. Dissertação (Mestrado) — Brasil, 2019. Citado na página 34. BABINI, M.; MARRANGUELLO, N.; TEIXEIRA, M.; ASSUNÇÃO, E. Introdução às Redes Neurais Artificiais. [S.l.: s.n.], 2007. v. 77. Citado 4 vezes nas páginas 15, 23, 26 e 27. BARROS, E. Gabriela alves rodrigues. 2020. Citado na página 37. BRAGA, A. V. et al. Machine learning: O uso da inteligência artificial na medicina. Brazilian Journal of Development, v. 5, n. 9, p. 16407–16413, 2019. Citado na página 32. COELHO, F. C. Computação Científica com Python. [S.l.]: Lulu. com, 2007. Citado na página 34. EISTEN, H. A. Guia de doenças e sintomas. 2023. Disponível em: <http://www.einstein.br/ doencas-sintomas/pneumonia>. Acesso em: 21 ago 2023. Citado na página 20. EXPERT, I. Segmentação de imagens com Python de A à Z. 2023. Disponível em: <https://iaexpert.academy/cursos-online-assinatura/segmentacao-imagens-python-a-z/>. Acesso em: 12 abr 2023. Citado na página 29. FENG, Z. et al. Early prediction of disease progression in covid-19 pneumonia patients with chest ct and clinical characteristics. Nature communications, Nature Publishing Group UK London, v. 11, n. 1, p. 4968, 2020. Citado na página 32. GAMEIRO, G. R.; ARASAKI, A. M.; LIRA, C. C. D.; NETO, S. K.; STACHUK, M. R. Inteligência artificial a serviço da medicina brasileira. Revista de Medicina, v. 98, n. 1, p. i–iii, 2019. Citado 2 vezes nas páginas 22 e 32. IMEX. Exames de raios x: 11 tipos diferentes e os modelos disponíveis no mercado. 2023. Disponível em: <https://www.imexmedicalgroup.com.br/blog/ exame-de-raios-x-11-tipos-diferentes/.> Acesso em: 5 out 2023. Citado 2 vezes nas páginas 21 e 22. LEITE, C. d. C. Inteligência artificial, radiologia, medicina de precisão e medicina personalizada. [S.l.]: SciELO Brasil, 2019. VII–VIII p. Citado na página 32. LOBO, L. C. Inteligência artificial e medicina. Revista Brasileira de Educação Médica, SciELO Brasil, v. 41, p. 185–193, 2017. Citado 2 vezes nas páginas 14 e 15. MENEZES, N. N. C. Introdução a programação com python. São Paulo: Novatec, 2010. Citado na página 34. MONARD, M. C.; BARANAUSKAS, J. A. Conceitos sobre aprendizado de máquina. Sistemas inteligentes-Fundamentos e aplicações, v. 1, n. 1, p. 32, 2003. Citado na página 31. REFERÊNCIAS 56 NEVES, J. P. S. R. Implementação do método de regressão logística na classificação de exames por espectrometria de massa quanto à presença de câncer do ovário. Brasil, 2022. Citado na página 32. OLIVEIRA, V.; AUGUSTO, V.; KARLA, L. “connect”: Um relato de experiência sobre um evento de tecnologia e inteligência artificial na medicina. Brazilian Medical Students, v. 7, n. 10, 2022. Citado na página 32. PICKLER, G. Diagnóstico e segmentos de imagem com auxílio de deep learning: um estudo sobre aplicação da inteligência artificial na área médica. 2021. Citado 3 vezes nas páginas 23, 28 e 32. RODRIGUES, P. G.; MENUZZO, V. A. Estudo comparativo de abordagens computacionais para classificação de imagens de satélite da Amazônia. Dissertação (B.S. thesis) — Universidade Tecnológica Federal do Paraná, 2020. Citado na página 37. SANTOS, A. M. d.; SEIXAS, J. M. d.; PEREIRA, B. d. B.; MEDRONHO, R. d. A. Usando redes neurais artificiais e regressão logística na predição da hepatite a. Revista Brasileira de Epidemiologia, SciELO Public Health, v. 8, n. 2, p. 117–126, 2005. Citado 4 vezes nas páginas 22, 23, 28 e 32. SILVA, R. E. V. d. Um estudo comparativo entre redes neurais convolucionais para a classificação de imagens. 2018. Citado na página 39. SOARES, R. A. et al. O uso da inteligência artificial na medicina: aplicações e benefícios. Research, Society and Development, v. 12, n. 4, p. e5012440856–e5012440856, 2023. Citado na página 32. SOUZA, V.; SILVA, L.; SANTOS, A.; ARAÚJO, L. Análise comparativa de redes neurais convolucionais no reconhecimento de cenas. Anais do Computer on the Beach, v. 11, n. 1, p. 419–426, 2020. Citado 2 vezes nas páginas 36 e 37.info:eu-repo/semantics/openAccessreponame:Repositório Institucional do IFAM (Repositório Institucional do Instituto Federal do Amazonas)instname:Instituto Federal do Amazonas (IFAM)instacron:IFAM2024-01-22T17:40:25Zoai:localhost:4321/1403Repositório InstitucionalPUBhttp://repositorio.ifam.edu.br/oai/requestcgeb@ifam.edu.bropendoar:2024-01-22T17:40:25Repositório Institucional do IFAM (Repositório Institucional do Instituto Federal do Amazonas) - Instituto Federal do Amazonas (IFAM)false |
dc.title.none.fl_str_mv |
Detecção de anomalias médicas no pulmão usando técnicas de inteligência artificial |
title |
Detecção de anomalias médicas no pulmão usando técnicas de inteligência artificial |
spellingShingle |
Detecção de anomalias médicas no pulmão usando técnicas de inteligência artificial Silva, Rafael Reinaldo Inteligência artificial Redes Neurais Pneumonia CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::CONTROLE DE PROCESSOS ELETRONICOS, RETROALIMENTACAO |
title_short |
Detecção de anomalias médicas no pulmão usando técnicas de inteligência artificial |
title_full |
Detecção de anomalias médicas no pulmão usando técnicas de inteligência artificial |
title_fullStr |
Detecção de anomalias médicas no pulmão usando técnicas de inteligência artificial |
title_full_unstemmed |
Detecção de anomalias médicas no pulmão usando técnicas de inteligência artificial |
title_sort |
Detecção de anomalias médicas no pulmão usando técnicas de inteligência artificial |
author |
Silva, Rafael Reinaldo |
author_facet |
Silva, Rafael Reinaldo |
author_role |
author |
dc.contributor.none.fl_str_mv |
Santos, Alyson de Jesus dos Alyson de Jesus dos Santos Santos, Alyson de Jesus dos http://lattes.cnpq.br/5998752909180697 Santos, Lucélia Cunha da Rocha Fialho, Michaella Socorro Bruce http://lattes.cnpq.br/9348859124436505 Silva |
dc.contributor.author.fl_str_mv |
Silva, Rafael Reinaldo |
dc.subject.por.fl_str_mv |
Inteligência artificial Redes Neurais Pneumonia CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::CONTROLE DE PROCESSOS ELETRONICOS, RETROALIMENTACAO |
topic |
Inteligência artificial Redes Neurais Pneumonia CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::CONTROLE DE PROCESSOS ELETRONICOS, RETROALIMENTACAO |
description |
Artificial Intelligence (AI) is not a contemporary concept, and its presence is not alien to society; currently, numerous applications employ this knowledge. However, despite the growing incorporation of technology in various contexts and increasingly in everyday life, a significant portion of the population still views technological intervention with reservations. In the medical field, it is no different; there is concern about the replacement of healthcare professionals by intelligent machines. Those who think so are mistaken; currently, AI is already involved in various aspects, such as disease prognosis, image understanding, interconnection of prescription databases, among others, and yet there is still a need for human presence. However, such advances do not spread uniformly; there will still be many gaps in the democratization of the application of this resource, whether due to a lack of technology, training, or even distances. In the latter case, it is more common in Brazil, which has continental extensions. According to the World Health Organization (WHO), in the last decade, two of the four leading causes of death in the world are related to respiratory diseases. In Brazil, according to the Ministry of Health, in the first nine months of 2022, there were more than 40,000 deaths from pneumonia alone. This work aims to compare machine learning algorithm models to present the pros and cons of each. Neural networks were used to check a dataset of images for training, validation, and testing of models with the purpose of recognizing and diagnosing cases of pneumonia through only X-ray examinations. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-01-22T17:40:24Z 2024-01-22 2024-01-22T17:40:24Z 2024-12-22 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
Silva, Rafael Reinaldo da. 2024. Detecção de anomalias no pulmão usando técnicas de inteligência artificial. Monografia. 57 f. 2024.(Engenharia de Controle e Automação) - Instituto Federal de Educação, Ciência e Tecnologia do Amazonas, Campus Manaus Distrito Industrial Manaus, 2024 http://repositorio.ifam.edu.br/jspui/handle/4321/1403 |
identifier_str_mv |
Silva, Rafael Reinaldo da. 2024. Detecção de anomalias no pulmão usando técnicas de inteligência artificial. Monografia. 57 f. 2024.(Engenharia de Controle e Automação) - Instituto Federal de Educação, Ciência e Tecnologia do Amazonas, Campus Manaus Distrito Industrial Manaus, 2024 |
url |
http://repositorio.ifam.edu.br/jspui/handle/4321/1403 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
3.0. Departamento de Biologia Celular e do Desenvolvimento. 2023. Disponível em: <https://mol.icb.usp.br/index.php/9-2-tecido-nervoso/.> Acesso em: 15 out 2023. Citado na página 24. AZEVÊDO, L. d. S. Cultura maker: uma nova possibilidade no processo de ensino e aprendizagem. Dissertação (Mestrado) — Brasil, 2019. Citado na página 34. BABINI, M.; MARRANGUELLO, N.; TEIXEIRA, M.; ASSUNÇÃO, E. Introdução às Redes Neurais Artificiais. [S.l.: s.n.], 2007. v. 77. Citado 4 vezes nas páginas 15, 23, 26 e 27. BARROS, E. Gabriela alves rodrigues. 2020. Citado na página 37. BRAGA, A. V. et al. Machine learning: O uso da inteligência artificial na medicina. Brazilian Journal of Development, v. 5, n. 9, p. 16407–16413, 2019. Citado na página 32. COELHO, F. C. Computação Científica com Python. [S.l.]: Lulu. com, 2007. Citado na página 34. EISTEN, H. A. Guia de doenças e sintomas. 2023. Disponível em: <http://www.einstein.br/ doencas-sintomas/pneumonia>. Acesso em: 21 ago 2023. Citado na página 20. EXPERT, I. Segmentação de imagens com Python de A à Z. 2023. Disponível em: <https://iaexpert.academy/cursos-online-assinatura/segmentacao-imagens-python-a-z/>. Acesso em: 12 abr 2023. Citado na página 29. FENG, Z. et al. Early prediction of disease progression in covid-19 pneumonia patients with chest ct and clinical characteristics. Nature communications, Nature Publishing Group UK London, v. 11, n. 1, p. 4968, 2020. Citado na página 32. GAMEIRO, G. R.; ARASAKI, A. M.; LIRA, C. C. D.; NETO, S. K.; STACHUK, M. R. Inteligência artificial a serviço da medicina brasileira. Revista de Medicina, v. 98, n. 1, p. i–iii, 2019. Citado 2 vezes nas páginas 22 e 32. IMEX. Exames de raios x: 11 tipos diferentes e os modelos disponíveis no mercado. 2023. Disponível em: <https://www.imexmedicalgroup.com.br/blog/ exame-de-raios-x-11-tipos-diferentes/.> Acesso em: 5 out 2023. Citado 2 vezes nas páginas 21 e 22. LEITE, C. d. C. Inteligência artificial, radiologia, medicina de precisão e medicina personalizada. [S.l.]: SciELO Brasil, 2019. VII–VIII p. Citado na página 32. LOBO, L. C. Inteligência artificial e medicina. Revista Brasileira de Educação Médica, SciELO Brasil, v. 41, p. 185–193, 2017. Citado 2 vezes nas páginas 14 e 15. MENEZES, N. N. C. Introdução a programação com python. São Paulo: Novatec, 2010. Citado na página 34. MONARD, M. C.; BARANAUSKAS, J. A. Conceitos sobre aprendizado de máquina. Sistemas inteligentes-Fundamentos e aplicações, v. 1, n. 1, p. 32, 2003. Citado na página 31. REFERÊNCIAS 56 NEVES, J. P. S. R. Implementação do método de regressão logística na classificação de exames por espectrometria de massa quanto à presença de câncer do ovário. Brasil, 2022. Citado na página 32. OLIVEIRA, V.; AUGUSTO, V.; KARLA, L. “connect”: Um relato de experiência sobre um evento de tecnologia e inteligência artificial na medicina. Brazilian Medical Students, v. 7, n. 10, 2022. Citado na página 32. PICKLER, G. Diagnóstico e segmentos de imagem com auxílio de deep learning: um estudo sobre aplicação da inteligência artificial na área médica. 2021. Citado 3 vezes nas páginas 23, 28 e 32. RODRIGUES, P. G.; MENUZZO, V. A. Estudo comparativo de abordagens computacionais para classificação de imagens de satélite da Amazônia. Dissertação (B.S. thesis) — Universidade Tecnológica Federal do Paraná, 2020. Citado na página 37. SANTOS, A. M. d.; SEIXAS, J. M. d.; PEREIRA, B. d. B.; MEDRONHO, R. d. A. Usando redes neurais artificiais e regressão logística na predição da hepatite a. Revista Brasileira de Epidemiologia, SciELO Public Health, v. 8, n. 2, p. 117–126, 2005. Citado 4 vezes nas páginas 22, 23, 28 e 32. SILVA, R. E. V. d. Um estudo comparativo entre redes neurais convolucionais para a classificação de imagens. 2018. Citado na página 39. SOARES, R. A. et al. O uso da inteligência artificial na medicina: aplicações e benefícios. Research, Society and Development, v. 12, n. 4, p. e5012440856–e5012440856, 2023. Citado na página 32. SOUZA, V.; SILVA, L.; SANTOS, A.; ARAÚJO, L. Análise comparativa de redes neurais convolucionais no reconhecimento de cenas. Anais do Computer on the Beach, v. 11, n. 1, p. 419–426, 2020. Citado 2 vezes nas páginas 36 e 37. |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Brasil Campus Manaus Distrito Instituto Federal do Amazonas IFAM Engenharia de Controle e Automação Instituto Federal do Amazonas IFAM Engenharia de Controle e Automação Instituto Federal do Amazonas IFAM Engenharia de Controle e Automação |
publisher.none.fl_str_mv |
Brasil Campus Manaus Distrito Instituto Federal do Amazonas IFAM Engenharia de Controle e Automação Instituto Federal do Amazonas IFAM Engenharia de Controle e Automação Instituto Federal do Amazonas IFAM Engenharia de Controle e Automação |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional do IFAM (Repositório Institucional do Instituto Federal do Amazonas) instname:Instituto Federal do Amazonas (IFAM) instacron:IFAM |
instname_str |
Instituto Federal do Amazonas (IFAM) |
instacron_str |
IFAM |
institution |
IFAM |
reponame_str |
Repositório Institucional do IFAM (Repositório Institucional do Instituto Federal do Amazonas) |
collection |
Repositório Institucional do IFAM (Repositório Institucional do Instituto Federal do Amazonas) |
repository.name.fl_str_mv |
Repositório Institucional do IFAM (Repositório Institucional do Instituto Federal do Amazonas) - Instituto Federal do Amazonas (IFAM) |
repository.mail.fl_str_mv |
cgeb@ifam.edu.br |
_version_ |
1810022881250246656 |