Utilização de Curvas Principais na triagem de pacientes com tuberculose

Le résumé fourni par la source

A pandemia de COVID-19 mostrou que a velocidade e precisão no diagnóstico e essencial para um bom tratamento médico. Para acelerar o diagnóstico, o setor médico está se modernizando cada vez mais de forma a procurar soluções automatizadas, incrementando o uso de inteligência artificial. Uma doença extremamente negligenciada e a Tuberculose que, se não for diagnosticada no início, ela pode ser fatal ou pode causar sequelas graves que podem perdurar por muitos anos. Este trabalho visa demonstrar um método para identificar pacientes com Tuberculose (TB) por meio de Curvas Principais (CP). Para isso, utilizou-se um banco de dados disponível na literatura dividido nas seguintes classes: Pacientes com TB, pacientes com outras doenças e pacientes saudáveis. No pré-processamento foi utilizada uma Rede Neural Convolucional (CNN) ja treinada, visando usar o conhecimento previo adquirido por transferência de aprendizado, com uma Transfer Learning (TL), para extração de características e consequentemente facilitar a classificação. Essas características serão ent ao analisadas usando uma validação cruzada K-fold, e o algoritmo k-segmentos, para criar e treinar Curvas Principais que, então, ser ao utilizadas na classificação das imagens. Os resultados obtidos mostraram potencial para o uso do método em futuras predições automatizadas, atingindo índices de desempenho próximos a 0,90, (90%) de acurácia.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.