Sistema para Diagnóstico de Patologias do Sistema Respiratório Utilizando Redes Neurais

Detalhes bibliográficos
Autor(a) principal: Watanabe, Fernanda Trevisan
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/235411
Resumo: Atualmente o diagnóstico de um exame radiológico por imagem depende inteiramente da interpretação visual do profissional de saúde, sendo este unicamente responsável pelos resultados e tratamentos derivados desta interpretação. Ainda na formação dos profissionais da saúde, a interpretação destas imagens pode ser de difícil definição, uma vez que com o desenvolvimento de tecnologias que se agregam à Radiologia, pode tornar o estudo desta mais complexo. Diante deste cenário, o presente trabalho de graduação teve por objetivo criar um protótipo de uma ferramenta que auxilie estudantes de medicina e enfermagem a examinar com maior precisão imagens de radiografias torácicas para obter um melhor diagnóstico. O processo permite que uma nova imagem radiográfica seja inserida em um aplicativo para dispositivos móveis, onde será analisada e comparada a outras similares com o auxílio de uma rede neural convolucional treinada, retornando ao usuário o diagnóstico mais preciso da patologia presente nesta imagem. Esta interface foi desenvolvida utilizando os frameworks Jupyter Notebook, Ionic e Angular, e implementada em um ambiente simulado em uma máquina de desenvolvimento. Após todas as etapas de construção da ferramenta, o sistema foi devidamente testado, inserindo imagens com patologias mapeadas pela rede neural, patologias não mapeadas e imagens sem patologias detectáveis, a fim de se garantir o resultado entregue ao usuário. Os resultados mostram que, para a atual modelagem, a rede neural consegue prever uma imagem com aproximadamente 70% de acurácia geral, considerando uma base de dados de radiografias torácicas sem patologias (normais), com presença de pneumonia bacteriana e com pneumonia viral.
id UNSP_3a88efaab70a82732eda189db19fcb8a
oai_identifier_str oai:repositorio.unesp.br:11449/235411
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Sistema para Diagnóstico de Patologias do Sistema Respiratório Utilizando Redes NeuraisSystem for Diagnosis of Respiratory System Pathologies Using Neural NetworksPulmões DoençasRedes neurais (Computação)Processamento de imagensTórax RadiografiaAplicativos móveisNeural networks (Computer science)Image processingMobile appsAtualmente o diagnóstico de um exame radiológico por imagem depende inteiramente da interpretação visual do profissional de saúde, sendo este unicamente responsável pelos resultados e tratamentos derivados desta interpretação. Ainda na formação dos profissionais da saúde, a interpretação destas imagens pode ser de difícil definição, uma vez que com o desenvolvimento de tecnologias que se agregam à Radiologia, pode tornar o estudo desta mais complexo. Diante deste cenário, o presente trabalho de graduação teve por objetivo criar um protótipo de uma ferramenta que auxilie estudantes de medicina e enfermagem a examinar com maior precisão imagens de radiografias torácicas para obter um melhor diagnóstico. O processo permite que uma nova imagem radiográfica seja inserida em um aplicativo para dispositivos móveis, onde será analisada e comparada a outras similares com o auxílio de uma rede neural convolucional treinada, retornando ao usuário o diagnóstico mais preciso da patologia presente nesta imagem. Esta interface foi desenvolvida utilizando os frameworks Jupyter Notebook, Ionic e Angular, e implementada em um ambiente simulado em uma máquina de desenvolvimento. Após todas as etapas de construção da ferramenta, o sistema foi devidamente testado, inserindo imagens com patologias mapeadas pela rede neural, patologias não mapeadas e imagens sem patologias detectáveis, a fim de se garantir o resultado entregue ao usuário. Os resultados mostram que, para a atual modelagem, a rede neural consegue prever uma imagem com aproximadamente 70% de acurácia geral, considerando uma base de dados de radiografias torácicas sem patologias (normais), com presença de pneumonia bacteriana e com pneumonia viral.Currently, the diagnosis of a radiological imaging exam depends entirely on the visual interpretation of the health professional, who is solely responsible for the results and treatments derived from this interpretation. During the academic education of health professionals, the interpretation of these images can be difficult to define once the development of new technologies is being combined to the study of radiology, making its study more complex. Given this scenario, the present graduation paper aimed to create a prototype of a tool that helps medical and nursing students to examine more accurately chest radiographic images in order to obtain a better diagnosis. The process allows a new radiographic image to be inserted into an application for mobile devices, where it will be analyzed and compared to similar ones, with the help of a trained neural network, returning to the user the most accurate diagnosis of the pathology present in this image. This interface was developed using Jupyter Notebook, Ionic and Angular frameworks, and implemented in a simulated environment on a development machine. After all the steps to build the tool, the system was properly tested, inserting images with pathologies mapped by the neural network, unmapped pathologies and images without detectable pathologies, in order to ensure the result delivered to the user. The results show that for the current model, the neural network is able to predict an image with approximately 70% overall accuracy, considering a database of chest x-rays without pathologies (normal), with the presence of bacterial pneumonia, and with viral pneumonia.Não recebi financiamentoUniversidade Estadual Paulista (Unesp)Diniz, Ivando Severino [UNESP]Souza, Wesley Angelino deUniversidade Estadual Paulista (Unesp)Watanabe, Fernanda Trevisan2022-06-29T15:40:00Z2022-06-29T15:40:00Z2022-06-24info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://hdl.handle.net/11449/235411porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-10-05T06:04:30Zoai:repositorio.unesp.br:11449/235411Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-05-23T11:33:05.201833Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Sistema para Diagnóstico de Patologias do Sistema Respiratório Utilizando Redes Neurais
System for Diagnosis of Respiratory System Pathologies Using Neural Networks
title Sistema para Diagnóstico de Patologias do Sistema Respiratório Utilizando Redes Neurais
spellingShingle Sistema para Diagnóstico de Patologias do Sistema Respiratório Utilizando Redes Neurais
Watanabe, Fernanda Trevisan
Pulmões Doenças
Redes neurais (Computação)
Processamento de imagens
Tórax Radiografia
Aplicativos móveis
Neural networks (Computer science)
Image processing
Mobile apps
title_short Sistema para Diagnóstico de Patologias do Sistema Respiratório Utilizando Redes Neurais
title_full Sistema para Diagnóstico de Patologias do Sistema Respiratório Utilizando Redes Neurais
title_fullStr Sistema para Diagnóstico de Patologias do Sistema Respiratório Utilizando Redes Neurais
title_full_unstemmed Sistema para Diagnóstico de Patologias do Sistema Respiratório Utilizando Redes Neurais
title_sort Sistema para Diagnóstico de Patologias do Sistema Respiratório Utilizando Redes Neurais
author Watanabe, Fernanda Trevisan
author_facet Watanabe, Fernanda Trevisan
author_role author
dc.contributor.none.fl_str_mv Diniz, Ivando Severino [UNESP]
Souza, Wesley Angelino de
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Watanabe, Fernanda Trevisan
dc.subject.por.fl_str_mv Pulmões Doenças
Redes neurais (Computação)
Processamento de imagens
Tórax Radiografia
Aplicativos móveis
Neural networks (Computer science)
Image processing
Mobile apps
topic Pulmões Doenças
Redes neurais (Computação)
Processamento de imagens
Tórax Radiografia
Aplicativos móveis
Neural networks (Computer science)
Image processing
Mobile apps
description Atualmente o diagnóstico de um exame radiológico por imagem depende inteiramente da interpretação visual do profissional de saúde, sendo este unicamente responsável pelos resultados e tratamentos derivados desta interpretação. Ainda na formação dos profissionais da saúde, a interpretação destas imagens pode ser de difícil definição, uma vez que com o desenvolvimento de tecnologias que se agregam à Radiologia, pode tornar o estudo desta mais complexo. Diante deste cenário, o presente trabalho de graduação teve por objetivo criar um protótipo de uma ferramenta que auxilie estudantes de medicina e enfermagem a examinar com maior precisão imagens de radiografias torácicas para obter um melhor diagnóstico. O processo permite que uma nova imagem radiográfica seja inserida em um aplicativo para dispositivos móveis, onde será analisada e comparada a outras similares com o auxílio de uma rede neural convolucional treinada, retornando ao usuário o diagnóstico mais preciso da patologia presente nesta imagem. Esta interface foi desenvolvida utilizando os frameworks Jupyter Notebook, Ionic e Angular, e implementada em um ambiente simulado em uma máquina de desenvolvimento. Após todas as etapas de construção da ferramenta, o sistema foi devidamente testado, inserindo imagens com patologias mapeadas pela rede neural, patologias não mapeadas e imagens sem patologias detectáveis, a fim de se garantir o resultado entregue ao usuário. Os resultados mostram que, para a atual modelagem, a rede neural consegue prever uma imagem com aproximadamente 70% de acurácia geral, considerando uma base de dados de radiografias torácicas sem patologias (normais), com presença de pneumonia bacteriana e com pneumonia viral.
publishDate 2022
dc.date.none.fl_str_mv 2022-06-29T15:40:00Z
2022-06-29T15:40:00Z
2022-06-24
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 http://hdl.handle.net/11449/235411
url http://hdl.handle.net/11449/235411
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
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1803045599701893120

Registros relacionados