Redes neurais profundas e aprendizagem de máquina aplicados na diferenciação de tumores pulmonares primários de metástases em exames de tomografia computadorizada (2024)
- Authors:
- Autor USP: LIMA, LUCAS LINS DE - Interunidades em Bioengenharia
- Unidade: Interunidades em Bioengenharia
- Sigla do Departamento: Programa Interunidades em Bioengenharia: EESC/FMRP/IQSC-USP
- DOI: 10.11606/T.82.2024.tde-18062025-091358
- Subjects: INTELIGÊNCIA ARTIFICIAL; REDES NEURAIS; METÁSTASE NEOPLÁSICA; NEOPLASIAS PULMONARES; TOMOGRAFIA COMPUTADORIZADA POR RAIOS X
- Keywords: Radiômica.; Redes neurais convolucionais.
- Agências de fomento:
- Language: Português
- Abstract: O câncer de pulmão é o tipo de câncer com maior mortalidade no mundo. A determinação da etiologia deste câncer, quanto a sua natureza primária ou metastática, é um dos fatores que pode influenciar o prognóstico e o manejo clínico do paciente. As Redes Neurais Profundas têm se mostrado como uma abordagem eficiente para classificar imagens em diversas áreas, com destaque na radiologia para as Redes Neurais Convolucionais (do inglês Convolucional Neural Network CNN)). Porém, como toda abordagem de aprendizado profundo, as CNNs demandam grande volume de dados anotados. Uma alternativa para suprir essa necessidade é aumentar bases de dados utilizando transformações geométricas como rotações e espelhamento. Nesse contexto, o objetivo desta pesquisa foi investigar a hipótese de que redes profundas do tipo CNN, como a VGG19, ResNet152V2 e a InceptionV3, treinadas em bases de imagens, fossem capazes de identificar a partir de tumores segmentados em imagens de exames de tomografia computadorizada, se o câncer de pulmão tem origem primária pulmonar ou se foi desenvolvido a partir de um processo metastático de um sítio primário localizado em outro órgão. Também combinamos essas redes com a Máquina de Vetores de Suporte a fim de explorar mais técnicas de aprendizado de máquina. Realizamos nossos experimentos separando os dados em grupos de treinamento e de teste independente. No grupo de treinamento, foi aplicada uma validação cruzada 10-fold. Os melhores resultados foram obtidos no uso da ResNet152V2 com aumento de base, entregando uma Área sob a Curva ROC (AUC-ROC) com média de 0,74 (desvio padrão de 0,7), F-score com média de 76% (desvio padrão de 7,0%), Acurácia com média de 74% (desvio padrão de 7,0%), Sensibilidade com média de 80% (desvio padrão de 12,0%) e Especificidade com média de 69% (desvio padrão de 16,0%) na base de teste da validação cruzada. Já na avaliação da base de teste independente, os valoresobtidos foram de 0,78 para AUC, 66% para F-score, 79% para a Acurácia, 75% para a Sensibilidade e 80% para a Especificidade
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
- Data da defesa: 02.05.2024
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
LIMA, Lucas Lins de. Redes neurais profundas e aprendizagem de máquina aplicados na diferenciação de tumores pulmonares primários de metástases em exames de tomografia computadorizada. 2024. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/82/82131/tde-18062025-091358/. Acesso em: 01 jan. 2026. -
APA
Lima, L. L. de. (2024). Redes neurais profundas e aprendizagem de máquina aplicados na diferenciação de tumores pulmonares primários de metástases em exames de tomografia computadorizada (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/82/82131/tde-18062025-091358/ -
NLM
Lima LL de. Redes neurais profundas e aprendizagem de máquina aplicados na diferenciação de tumores pulmonares primários de metástases em exames de tomografia computadorizada [Internet]. 2024 ;[citado 2026 jan. 01 ] Available from: https://www.teses.usp.br/teses/disponiveis/82/82131/tde-18062025-091358/ -
Vancouver
Lima LL de. Redes neurais profundas e aprendizagem de máquina aplicados na diferenciação de tumores pulmonares primários de metástases em exames de tomografia computadorizada [Internet]. 2024 ;[citado 2026 jan. 01 ] Available from: https://www.teses.usp.br/teses/disponiveis/82/82131/tde-18062025-091358/
Informações sobre o DOI: 10.11606/T.82.2024.tde-18062025-091358 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
