Avaliação sobre a confiabilidade de conjuntos de imagens de raio-X para treinamento de redes neurais convolucionais em apoio ao diagnóstico (2025)
- Authors:
- Autor USP: QUIRINO, FELIPE ANTUNES - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- DOI: 10.11606/D.55.2025.tde-23072025-170049
- Subjects: INTELIGÊNCIA ARTIFICIAL; APRENDIZADO COMPUTACIONAL; RADIOGRAFIA; REDES NEURAIS; PROCESSAMENTO DE IMAGENS
- Keywords: Artificial intelligence; Confiabilidade; Correlações espúrias; Deep learning; Radiography; Spurious correlations; Trustworthy
- Agências de fomento:
- Language: Português
- Abstract: Métodos de inteligência artificial, em particular as Redes Neurais Convolucionais (CNNs), têm sido amplamente aplicadas no suporte ao diagnóstico de anomalias em imagens de radiografia torácica. Entretanto, a natureza de caixa-preta das CNNs pode fazer com que aprendam padrões que não estão diretamente relacionados às opacidades típicas da pneumonia, comprometendo, assim, a imparcialidade do modelo. Esses padrões, a exemplo de aparatos médicos, características demográficas ou anotações presentes nas imagens, podem resultar em desempenhos enganadores durante os testes, dado que os modelos não aprendem necessariamente a resolver o problema proposto. Esse comportamento limita a aplicabilidade dos modelos em sistemas de produção no contexto hospitalar. Considerando que, nas imagens de radiografia torácica, os padrões típicos da pneumonia estão na região dos pulmões e visando investigar esses padrões espúrios, foi implementado um protocolo com dois enfoques principais: ocultar e isolar os pulmões nas imagens. Por meio desse processamento, foi possível avaliar o desempenho dos algoritmos ao serem treinados e testados em três cenários: imagens originais, com pulmões removidos e com pulmões segmentados. Esse protocolo foi aplicado em quatro conjuntos de dados distintos, com avaliações cruzadas entre eles. Os resultados foram analisados estatisticamente por meio de validação cruzada utilizando 10-fold. Além disso, realizamos análises visuais com o método Grad-CAM. Os resultadosobtidos indicam que, nos cenários avaliados, as CNNs mantêm um desempenho consistentemente superior ao acaso. Observa-se, também, que as redes conseguem transferir o aprendizado de correlações espúrias entre diferentes conjuntos de dados. As análises visuais sugerem que as redes neurais frequentemente focam em padrões, a exemplo de caracteres inseridos nas imagens e regiões anatômicas não relacionadas aos pulmões. Tais aparatos médicos, ao se mostrar generalizáveis entre bases de dados distintas, representam um desafio para a avaliação do desempenho real dos modelos de CNNs. Esses resultados destacam que as correlações espúrias podem distorcer o aprendizado relevante para o problema em estudo (i.e., opacidades pulmonares), comprometendo a confiabilidade dos modelos para aplicações práticas.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
- Data da defesa: 16.04.2025
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
QUIRINO, Felipe Antunes. Avaliação sobre a confiabilidade de conjuntos de imagens de raio-X para treinamento de redes neurais convolucionais em apoio ao diagnóstico. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2025. Disponível em: https://teses.usp.br/teses/disponiveis/55/55134/tde-23072025-170049/. Acesso em: 09 maio 2026. -
APA
Quirino, F. A. (2025). Avaliação sobre a confiabilidade de conjuntos de imagens de raio-X para treinamento de redes neurais convolucionais em apoio ao diagnóstico (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/55/55134/tde-23072025-170049/ -
NLM
Quirino FA. Avaliação sobre a confiabilidade de conjuntos de imagens de raio-X para treinamento de redes neurais convolucionais em apoio ao diagnóstico [Internet]. 2025 ;[citado 2026 maio 09 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-23072025-170049/ -
Vancouver
Quirino FA. Avaliação sobre a confiabilidade de conjuntos de imagens de raio-X para treinamento de redes neurais convolucionais em apoio ao diagnóstico [Internet]. 2025 ;[citado 2026 maio 09 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-23072025-170049/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
