Classificação de termogramas do pé diabético utilizando Machine Learning

• Autor(a) principal: Silva, Rita Maria Veiga Almeida e
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10348/11520
• topic: Pé diabético; Termografia por infravermelho

Os pacientes diabéticos são portadores de várias patologias relacionadas com a doença em causa, no entanto uma das principais complicações é o pé diabético. Este está associado ao aumento da temperatura na região plantar que pode implicar a presença ou aparecimento de úlceras devido à presença de neuropatia ou da doença arterial periférica. Uma deteção precoce desta patologia é essencial para diminuir a probabilidade de complicações provocadas por úlceras que podem levar à amputação do pé. Um dos métodos de auxílio mais eficiente e eficaz para detetar problemas relacionados ao pé diabético é a termografia por infravermelho. Sendo que esta permite a profissionais de saúde analisar as distribuições das temperaturas do pé auxiliando assim na perceção de características e padrões de temperaturas intrínsecos ao pé diabético. Técnicas de Inteligência Artificial têm vindo a provarem-se como competentes na área da visão por computador aplicada ao campo da medicina. Estas técnicas são utilizadas no diagnóstico assistido por computador que ajuda a prevenir o erro humano nas decisões tomadas por especialistas. Assim, um sistema de classificação de termografias por infravermelho do pé diabético que utilize técnicas de Inteligência Artificial torna-se uma mais-valia no auxílio ao diagnóstico do mesmo. O presente trabalho explorou três arquiteturas de redes neuronais atualmente usadas para classificação de imagens, a VGG16, VGG19 e a DenseNet. Na aplicação dos modelos utilizados foi utilizada data augmentation e transfer learning de modo colmatar problemas relacionados com a utilização de um dataset pequeno. Posteriormente, foram validados e avaliados os modelos implementados para fazer a classificação binária das termografias por infravermelho do pé, com ou sem risco de ulceração. Os resultados obtidos utilizando estes três modelos são promissores, mas a VGG19 destaca-se com a melhor média de Accurracy em cinco folds definidos na validação do modelo com auxílio à k-fold cross validation. Assim, é demonstrado que a metodologia proposta é eficaz na classificação binária que realiza.