Diagnóstico assistido por computador no Cancro Colorretal: podemos fazê-lo?
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.22/19708 |
Resumo: | O número de casos de cancro colorretal tem aumentado exponencialmente, fazendo desta doença oncológica uma das mais diagnosticadas mundialmente. No entanto, o número de patologistas disponíveis para a realização do diagnóstico mantem-se constante, o que leva a um aumento da carga de trabalho destes profissionais, bem como a um aumento no tempo de resposta ao doente. É, desta forma, urgente a criação de ferramentas que ajudem os patologistas a gerir mais eficazmente o seu trabalho. A aplicabilidade crescente da patologia digital e os correntes avanços na tecnologia, fazem do diagnóstico assistido por computador uma ferramenta promissora na patologia. Este trabalho teve como objetivos a criação de uma base de dados de amostras colorretaisa ser usada para treinar um algoritmo de deep learning para o diagnóstico de amostras colorretais, e a avaliação da precisão desse algoritmo. Foi construída uma base de dados com 10% das imagens anotadas. Com esta base foi possível fazer dois eventos de treino e teste do algoritmo, com um número crescente de amostras. Foram utilizadas três categorias de diagnóstico: benigno, lesão de baixo grau e lesão de alto grau. Para cada evento foi possível atingir uma precisão de 88,42% e 89,89%, respetivamente. Para o diagnóstico diferencial entre benigno e lesão obteve-se uma precisão de 96%. Apesar de ainda existirem algumas barreiras à implementação desta tecnologia na rotina patológica, o diagnóstico assistido por computador demonstra o potencial de auxiliar os patologistas numa mais eficaz gestão da sua carga laboral. |
id |
RCAP_1564f342cfd06f0bb240fe03b4c2b6b8 |
---|---|
oai_identifier_str |
oai:recipp.ipp.pt:10400.22/19708 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Diagnóstico assistido por computador no Cancro Colorretal: podemos fazê-lo?Cancro colorretalPatologia digitalDiagnóstico assistido por computadorDeep learningTreino semi-supervisionadoO número de casos de cancro colorretal tem aumentado exponencialmente, fazendo desta doença oncológica uma das mais diagnosticadas mundialmente. No entanto, o número de patologistas disponíveis para a realização do diagnóstico mantem-se constante, o que leva a um aumento da carga de trabalho destes profissionais, bem como a um aumento no tempo de resposta ao doente. É, desta forma, urgente a criação de ferramentas que ajudem os patologistas a gerir mais eficazmente o seu trabalho. A aplicabilidade crescente da patologia digital e os correntes avanços na tecnologia, fazem do diagnóstico assistido por computador uma ferramenta promissora na patologia. Este trabalho teve como objetivos a criação de uma base de dados de amostras colorretaisa ser usada para treinar um algoritmo de deep learning para o diagnóstico de amostras colorretais, e a avaliação da precisão desse algoritmo. Foi construída uma base de dados com 10% das imagens anotadas. Com esta base foi possível fazer dois eventos de treino e teste do algoritmo, com um número crescente de amostras. Foram utilizadas três categorias de diagnóstico: benigno, lesão de baixo grau e lesão de alto grau. Para cada evento foi possível atingir uma precisão de 88,42% e 89,89%, respetivamente. Para o diagnóstico diferencial entre benigno e lesão obteve-se uma precisão de 96%. Apesar de ainda existirem algumas barreiras à implementação desta tecnologia na rotina patológica, o diagnóstico assistido por computador demonstra o potencial de auxiliar os patologistas numa mais eficaz gestão da sua carga laboral.Cardoso, JaimeSilva, Regina Augusta Alves Pereira daRepositório Científico do Instituto Politécnico do PortoRibeiro, Liliana Filipa Pinho2022-01-31T16:17:11Z2021-12-022021-12-02T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdftext/plain; charset=utf-8http://hdl.handle.net/10400.22/19708TID:202901173porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-13T13:14:24Zoai:recipp.ipp.pt:10400.22/19708Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:39:47.071241Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Diagnóstico assistido por computador no Cancro Colorretal: podemos fazê-lo? |
title |
Diagnóstico assistido por computador no Cancro Colorretal: podemos fazê-lo? |
spellingShingle |
Diagnóstico assistido por computador no Cancro Colorretal: podemos fazê-lo? Ribeiro, Liliana Filipa Pinho Cancro colorretal Patologia digital Diagnóstico assistido por computador Deep learning Treino semi-supervisionado |
title_short |
Diagnóstico assistido por computador no Cancro Colorretal: podemos fazê-lo? |
title_full |
Diagnóstico assistido por computador no Cancro Colorretal: podemos fazê-lo? |
title_fullStr |
Diagnóstico assistido por computador no Cancro Colorretal: podemos fazê-lo? |
title_full_unstemmed |
Diagnóstico assistido por computador no Cancro Colorretal: podemos fazê-lo? |
title_sort |
Diagnóstico assistido por computador no Cancro Colorretal: podemos fazê-lo? |
author |
Ribeiro, Liliana Filipa Pinho |
author_facet |
Ribeiro, Liliana Filipa Pinho |
author_role |
author |
dc.contributor.none.fl_str_mv |
Cardoso, Jaime Silva, Regina Augusta Alves Pereira da Repositório Científico do Instituto Politécnico do Porto |
dc.contributor.author.fl_str_mv |
Ribeiro, Liliana Filipa Pinho |
dc.subject.por.fl_str_mv |
Cancro colorretal Patologia digital Diagnóstico assistido por computador Deep learning Treino semi-supervisionado |
topic |
Cancro colorretal Patologia digital Diagnóstico assistido por computador Deep learning Treino semi-supervisionado |
description |
O número de casos de cancro colorretal tem aumentado exponencialmente, fazendo desta doença oncológica uma das mais diagnosticadas mundialmente. No entanto, o número de patologistas disponíveis para a realização do diagnóstico mantem-se constante, o que leva a um aumento da carga de trabalho destes profissionais, bem como a um aumento no tempo de resposta ao doente. É, desta forma, urgente a criação de ferramentas que ajudem os patologistas a gerir mais eficazmente o seu trabalho. A aplicabilidade crescente da patologia digital e os correntes avanços na tecnologia, fazem do diagnóstico assistido por computador uma ferramenta promissora na patologia. Este trabalho teve como objetivos a criação de uma base de dados de amostras colorretaisa ser usada para treinar um algoritmo de deep learning para o diagnóstico de amostras colorretais, e a avaliação da precisão desse algoritmo. Foi construída uma base de dados com 10% das imagens anotadas. Com esta base foi possível fazer dois eventos de treino e teste do algoritmo, com um número crescente de amostras. Foram utilizadas três categorias de diagnóstico: benigno, lesão de baixo grau e lesão de alto grau. Para cada evento foi possível atingir uma precisão de 88,42% e 89,89%, respetivamente. Para o diagnóstico diferencial entre benigno e lesão obteve-se uma precisão de 96%. Apesar de ainda existirem algumas barreiras à implementação desta tecnologia na rotina patológica, o diagnóstico assistido por computador demonstra o potencial de auxiliar os patologistas numa mais eficaz gestão da sua carga laboral. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-12-02 2021-12-02T00:00:00Z 2022-01-31T16:17:11Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.22/19708 TID:202901173 |
url |
http://hdl.handle.net/10400.22/19708 |
identifier_str_mv |
TID:202901173 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf text/plain; charset=utf-8 |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799131485651861504 |