Desenvolvimento de sistema estruturado com inteligência artificial para apoio no diagnóstico de patologias oftalmológicas mais relevantes

Detalhes bibliográficos
Autor(a) principal: Kuiava, Victor Antonio
Data de Publicação: 2021
Outros Autores: Kuiava, Eliseu Luiz, Chielle, Eduardo Ottobelli, Syllos, Roger
Tipo de documento: Artigo
Idioma: por
Título da fonte: Clinical and Biomedical Research
Texto Completo: https://seer.ufrgs.br/index.php/hcpa/article/view/109565
Resumo: ­­Introdução: A inteligência artificial (IA) está revolucionando a área da saúde. Na oftalmologia, esta tecnologia pode possibilitar diagnósticos mais rápidos e precisos, impedindo a progressão das alterações na visão. Médicos e algoritimosalgoritmos podem ser mais eficientes quando trabalham juntos. Desenvolver um software de IA com alta especificidade e sensibilidade para apoio no diagnóstico de algumas patologias oftalmológicas. Métodos: O software de deep learning foi construído através de redes neurais valendo de duas bases computacionais MobileNet e Inception. Para o treinamento do banco de dados foram utilizadas 2.520 imagens de glaucoma, retinopatia diabética, toxoplasmose ocular, papiledema, descolamento de retina e retina normal. Para a validação foi utilizado 428 imagens patológicas e normais para os cálculos de sensibilidade e de especificidade. Todas as imagens foram cedidas da Sociedade Americana de Especialistas da Retina. Resultados: Os resultados de sensibilidade e especificidade foram no MobileNet de 91% (IC 95%, 89-92%) e 98,5% (IC 95%, 98-99%); no Inception, de 91,4% (IC 95%, 89-93,5%) de 98,4% (IC 95%, 98-98,8%), respectivamente. Não houve diferença significativa entre os dois métodos utilizados. Conclusão: O software apresentou resultados promissores na distinção das condições oftalmológicas pesquisadas.
id UFRGS-20_4639aeb1632669445f399d0854168cd4
oai_identifier_str oai:seer.ufrgs.br:article/109565
network_acronym_str UFRGS-20
network_name_str Clinical and Biomedical Research
repository_id_str
spelling Desenvolvimento de sistema estruturado com inteligência artificial para apoio no diagnóstico de patologias oftalmológicas mais relevantesDoenças oftálmicasinteligência artificialvisãooftalmologiaDoenças oftálmicasInteligência ArtificialVisãoOftalmologia­­Introdução: A inteligência artificial (IA) está revolucionando a área da saúde. Na oftalmologia, esta tecnologia pode possibilitar diagnósticos mais rápidos e precisos, impedindo a progressão das alterações na visão. Médicos e algoritimosalgoritmos podem ser mais eficientes quando trabalham juntos. Desenvolver um software de IA com alta especificidade e sensibilidade para apoio no diagnóstico de algumas patologias oftalmológicas. Métodos: O software de deep learning foi construído através de redes neurais valendo de duas bases computacionais MobileNet e Inception. Para o treinamento do banco de dados foram utilizadas 2.520 imagens de glaucoma, retinopatia diabética, toxoplasmose ocular, papiledema, descolamento de retina e retina normal. Para a validação foi utilizado 428 imagens patológicas e normais para os cálculos de sensibilidade e de especificidade. Todas as imagens foram cedidas da Sociedade Americana de Especialistas da Retina. Resultados: Os resultados de sensibilidade e especificidade foram no MobileNet de 91% (IC 95%, 89-92%) e 98,5% (IC 95%, 98-99%); no Inception, de 91,4% (IC 95%, 89-93,5%) de 98,4% (IC 95%, 98-98,8%), respectivamente. Não houve diferença significativa entre os dois métodos utilizados. Conclusão: O software apresentou resultados promissores na distinção das condições oftalmológicas pesquisadas.HCPA/FAMED/UFRGS2021-06-28info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionPeer-reviewed ArticleAvaliado por Paresapplication/pdfhttps://seer.ufrgs.br/index.php/hcpa/article/view/109565Clinical & Biomedical Research; Vol. 41 No. 1 (2021): Clinical and Biomedical ResearchClinical and Biomedical Research; v. 41 n. 1 (2021): Clinical and Biomedical Research2357-9730reponame:Clinical and Biomedical Researchinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSporhttps://seer.ufrgs.br/index.php/hcpa/article/view/109565/pdfCopyright (c) 2021 Clinical and Biomedical Researchinfo:eu-repo/semantics/openAccessKuiava, Victor AntonioKuiava, Eliseu LuizChielle, Eduardo OttobelliSyllos, Roger2024-01-19T14:20:41Zoai:seer.ufrgs.br:article/109565Revistahttps://www.seer.ufrgs.br/index.php/hcpaPUBhttps://seer.ufrgs.br/index.php/hcpa/oai||cbr@hcpa.edu.br2357-97302357-9730opendoar:2024-01-19T14:20:41Clinical and Biomedical Research - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.none.fl_str_mv Desenvolvimento de sistema estruturado com inteligência artificial para apoio no diagnóstico de patologias oftalmológicas mais relevantes
title Desenvolvimento de sistema estruturado com inteligência artificial para apoio no diagnóstico de patologias oftalmológicas mais relevantes
spellingShingle Desenvolvimento de sistema estruturado com inteligência artificial para apoio no diagnóstico de patologias oftalmológicas mais relevantes
Kuiava, Victor Antonio
Doenças oftálmicas
inteligência artificial
visão
oftalmologia
Doenças oftálmicas
Inteligência Artificial
Visão
Oftalmologia
title_short Desenvolvimento de sistema estruturado com inteligência artificial para apoio no diagnóstico de patologias oftalmológicas mais relevantes
title_full Desenvolvimento de sistema estruturado com inteligência artificial para apoio no diagnóstico de patologias oftalmológicas mais relevantes
title_fullStr Desenvolvimento de sistema estruturado com inteligência artificial para apoio no diagnóstico de patologias oftalmológicas mais relevantes
title_full_unstemmed Desenvolvimento de sistema estruturado com inteligência artificial para apoio no diagnóstico de patologias oftalmológicas mais relevantes
title_sort Desenvolvimento de sistema estruturado com inteligência artificial para apoio no diagnóstico de patologias oftalmológicas mais relevantes
author Kuiava, Victor Antonio
author_facet Kuiava, Victor Antonio
Kuiava, Eliseu Luiz
Chielle, Eduardo Ottobelli
Syllos, Roger
author_role author
author2 Kuiava, Eliseu Luiz
Chielle, Eduardo Ottobelli
Syllos, Roger
author2_role author
author
author
dc.contributor.author.fl_str_mv Kuiava, Victor Antonio
Kuiava, Eliseu Luiz
Chielle, Eduardo Ottobelli
Syllos, Roger
dc.subject.por.fl_str_mv Doenças oftálmicas
inteligência artificial
visão
oftalmologia
Doenças oftálmicas
Inteligência Artificial
Visão
Oftalmologia
topic Doenças oftálmicas
inteligência artificial
visão
oftalmologia
Doenças oftálmicas
Inteligência Artificial
Visão
Oftalmologia
description ­­Introdução: A inteligência artificial (IA) está revolucionando a área da saúde. Na oftalmologia, esta tecnologia pode possibilitar diagnósticos mais rápidos e precisos, impedindo a progressão das alterações na visão. Médicos e algoritimosalgoritmos podem ser mais eficientes quando trabalham juntos. Desenvolver um software de IA com alta especificidade e sensibilidade para apoio no diagnóstico de algumas patologias oftalmológicas. Métodos: O software de deep learning foi construído através de redes neurais valendo de duas bases computacionais MobileNet e Inception. Para o treinamento do banco de dados foram utilizadas 2.520 imagens de glaucoma, retinopatia diabética, toxoplasmose ocular, papiledema, descolamento de retina e retina normal. Para a validação foi utilizado 428 imagens patológicas e normais para os cálculos de sensibilidade e de especificidade. Todas as imagens foram cedidas da Sociedade Americana de Especialistas da Retina. Resultados: Os resultados de sensibilidade e especificidade foram no MobileNet de 91% (IC 95%, 89-92%) e 98,5% (IC 95%, 98-99%); no Inception, de 91,4% (IC 95%, 89-93,5%) de 98,4% (IC 95%, 98-98,8%), respectivamente. Não houve diferença significativa entre os dois métodos utilizados. Conclusão: O software apresentou resultados promissores na distinção das condições oftalmológicas pesquisadas.
publishDate 2021
dc.date.none.fl_str_mv 2021-06-28
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Peer-reviewed Article
Avaliado por Pares
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://seer.ufrgs.br/index.php/hcpa/article/view/109565
url https://seer.ufrgs.br/index.php/hcpa/article/view/109565
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://seer.ufrgs.br/index.php/hcpa/article/view/109565/pdf
dc.rights.driver.fl_str_mv Copyright (c) 2021 Clinical and Biomedical Research
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2021 Clinical and Biomedical Research
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv HCPA/FAMED/UFRGS
publisher.none.fl_str_mv HCPA/FAMED/UFRGS
dc.source.none.fl_str_mv Clinical & Biomedical Research; Vol. 41 No. 1 (2021): Clinical and Biomedical Research
Clinical and Biomedical Research; v. 41 n. 1 (2021): Clinical and Biomedical Research
2357-9730
reponame:Clinical and Biomedical Research
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Clinical and Biomedical Research
collection Clinical and Biomedical Research
repository.name.fl_str_mv Clinical and Biomedical Research - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv ||cbr@hcpa.edu.br
_version_ 1799767056228286464

Registros relacionados