Aplicação de técnicas de inteligência artificial sobre características físico-estatísticas para classificar lesões de miocardite chagásica crônica (2022)
- Authors:
- Autor USP: TETZNER, VIVIAN MONEZI - FFCLRP
- Unidade: FFCLRP
- Sigla do Departamento: 591
- DOI: 10.11606/D.59.2022.tde-27012023-111234
- Subjects: INTELIGÊNCIA ARTIFICIAL; DOENÇA DE CHAGAS; ENTROPIA; FÍSICA MÉDICA; ARQUITETURA E ORGANIZAÇÃO DE COMPUTADORES
- Keywords: Análise de textura; Arquitetura de redes; Chagas disease; Classificação de imagens; Entropia amostral; Image classification; Network architecture; Sample entropy; Texture analysis
- Agências de fomento:
- Language: Português
- Abstract: Recentemente, estudos mostraram que o uso de medidas de complexidade em imagens, como marcadora de diferentes texturas, podem trazer informações relevantes para influenciar na eficiência de métodos de classificação. A cardiomiopatia chagásica crônica [CCC] apresenta alterações teciduais com manifestações radiológicas. Apesar das características de textura serem utilizadas recorrentemente para diferenciar imagens de ressonância magnética nuclear adquiridas de pacientes doentes de pessoas saudáveis, nenhum estudo sistemático avaliou a medida de complexidade em pacientes com CCC, sem o uso de segmentação do anel do miocárdio. Neste trabalho, o objetivo foi avaliar como, e se, medidas de complexidade estatística como a entropia amostral podem influenciar métodos de classificação de imagens envolvendo algoritmos de Machine Learning [ML] clássico, a partir de imagens de ressonância magnética com Realce Tardio não segmentadas do miocárdio e se os algoritmos de Deep Learning [DL] por si só seriam capazes classificar tais imagens. Após a avaliação de diferentes parametrizações de entropia amostral, combinados com três diferentes arquiteturas de ML e duas de DL, em quatro distribuições diferentes de conjuntos de dados, foi possível apontar uma influência positiva da entropia amostral nas técnicas de ML e que as técnicas de DL, mesmo com os ruídos associados, atingiu acurácias de classificação de 70% em validação. O trabalho foi limitado por um baixo número de amostras e grande heterogeneidade entre as imagens. O aumento no número de amostras e uma maior homogeneidade entre as imagens podem gerar melhores resultados e possivelmente permitir a obtenção de uma arquitetura de rede treinada capaz de contribuir para o apoio ao diagnóstico e prognóstico da CCC
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2022
- Data da defesa: 18.11.2022
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
TETZNER, Vivian Monezi. Aplicação de técnicas de inteligência artificial sobre características físico-estatísticas para classificar lesões de miocardite chagásica crônica. 2022. Dissertação (Mestrado) – Universidade de São Paulo, Ribeirão Preto, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/59/59135/tde-27012023-111234/. Acesso em: 25 fev. 2026. -
APA
Tetzner, V. M. (2022). Aplicação de técnicas de inteligência artificial sobre características físico-estatísticas para classificar lesões de miocardite chagásica crônica (Dissertação (Mestrado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/59/59135/tde-27012023-111234/ -
NLM
Tetzner VM. Aplicação de técnicas de inteligência artificial sobre características físico-estatísticas para classificar lesões de miocardite chagásica crônica [Internet]. 2022 ;[citado 2026 fev. 25 ] Available from: https://www.teses.usp.br/teses/disponiveis/59/59135/tde-27012023-111234/ -
Vancouver
Tetzner VM. Aplicação de técnicas de inteligência artificial sobre características físico-estatísticas para classificar lesões de miocardite chagásica crônica [Internet]. 2022 ;[citado 2026 fev. 25 ] Available from: https://www.teses.usp.br/teses/disponiveis/59/59135/tde-27012023-111234/
Informações sobre o DOI: 10.11606/D.59.2022.tde-27012023-111234 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
