Técnicas de inteligência computacional aplicadas ao diagnóstico de tuberculose

• Autor(a) principal: Thales Francisco Mota Carvalho
• Data de Publicação: 2023
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/64734
• topic: Tuberculose; Diagnóstico; Segmentação de imagem; Aprendizado profundo; Engenharia elétrica; Inteligência computacional; Aprendizado profundo; Tuberculose - Diagnóstico

A tuberculose (TB) permanece como uma das doenças infecciosas mais mortais globalmente, necessitando de métodos de diagnóstico rápidos e precisos. A baciloscopia, uma técnica microscópica para identificar bacilos da TB, é prevalente devido à sua simplicidade e custo acessível, entretanto é uma abordagem cansativa, totalmente manual e necessita de treinamento intensivo do examinador. Neste sentido, este trabalho investiga a aplicação de técnicas de Aprendizado Profundo (DL, do inglês Deep Learning) para auxiliar o examinador e aprimorar a acurácia da baciloscopia. Para isso, foi conduzido uma avaliação extensiva de vários modelos de redes neurais convolucionais e métodos de detecção de objetos em diversos conjuntos de dados, visando compreender sua performance e aplicabilidade na detecção e contagem dos bacilos da TB. Em complemento, visando aprimorar a performance dos modelos, são propostas e avaliadas várias estratégias, incluindo criação de um novo conjunto de dados público, técnicas de aumento de dados, estratégias de particionamento de imagens e a implementação de um sistema de votação para facilitar a anotação de imagens para treinamento. O aumento de dados provou ser essencial para aumentar a robustez dos modelos, enquanto o particionamento de imagens melhorou o desempenho e possibilitou o tratamento de variações no tamanho das imagens, mantendo parâmetros de modelos padronizados. O sistema de votação proposto tem o potencial de ser tornar uma ferramenta valiosa para a criação de conjuntos de treinamento personalizados, vital para a generalização dos modelos em diferentes contextos. Também foi desenvolvido um protótipo de software de Diagnóstico Auxiliado por Computador, integrando as técnicas e modelos avaliados, visando auxiliar o examinador durante a contagem dos bacilos no diagnóstico da TB. Este protótipo representa um avanço significativo para a aplicação prática de técnicas de DL na baciloscopia, com potencial para acelerar e tornar mais preciso o processo de diagnóstico. Os experimentos realizados forneceram revelações sobre as possibilidades e limitações do uso de DL na detecção de bacilos da TB, sendo avaliado também o potencial de um diagnostico autônomo. Esta pesquisa contribui substancialmente para o campo, oferecendo uma análise detalhada do uso de DL no diagnóstico da TB via baciloscopia, e métodos que possam ser testados em ambientes reais. Em síntese, esta tese fornece um panorama aprofundado sobre a implementação de DL na detecção de bacilos da TB, ressaltando suas potencialidades, desafios e estabelecendo uma base sólida para pesquisas futuras e aplicações práticas.