Avaliação do erro de redes neurais artificiais como forma de detecção de novas classes e aplicabilidade a imagens de tomografia computadorizada de tórax (2025)
- Authors:
- Autor USP: SIMÕES, ALVARO DIAS - IF
- Unidade: IF
- Sigla do Departamento: FNC
- DOI: 10.11606/D.43.2025.tde-15012026-150703
- Subjects: INTELIGÊNCIA ARTIFICIAL; CIÊNCIAS DA SAÚDE; TOMOGRAFIA; REDES NEURAIS; DIAGNÓSTICO
- Keywords: ARTIFICIAL INTELLIGENCE; DIAGNOSTIC; HEALTH SCIENCES; NEURAL NETWORK; tomography
- Language: Português
- Abstract: O acesso atual a um grande volume de dados, aliado ao aumento do poder de processamento dos computadores, permitiu uma expansão significativa no desenvolvimento e na utilização de aprendizagem de máquina, impactando múltiplos aspectos do nosso dia a dia, bem como o campo de pesquisa científica. Nas ciências médicas, em particular, especula-se uma revolução no cuidado ao paciente, possibilitando um acesso mais amplo a cuidados e levando a diagnósticos mais precisos, quando combinada com a análise médica tradicional. No entanto, o desenvolvimento na área da saúde enfrenta obstáculos, principalmente a disponibilidade de dados, que são difíceis de obter em grandes quantidades e com os parâmetros de qualidade e segurança exigidos. Essa é uma limitação que não se observa em humanos, capazes de aprender conceitos a partir de um número relativamente pequeno de exemplos ou por meio da identificação de diferenças e semelhanças com conceitos prévios. Neste trabalho buscou-se estudar a identificação de classes desconhecidas e realizar a reclassificação dos seus exemplos pelos valores de saída apresentados, aproximando se da capacidade humana de identificação de ocorrências não previamente observadas e criação de novas classes segundo a semelhança das já conhecidas.Foram realizados experimentos em três etapas, utilizando bases de dados de avaliação progressivamente mais complexa e com redução do número de exemplos: primeiramente MNIST, base de dígitos manuscritos, seguido de base com imagens geométricas criadas para este trabalho e, por fim, imagens tomográficas de banco de dados público (LIDC IDRI). O objetivo final foi a detecção de nódulos pulmonares nas imagens de tomografia de tórax por uma rede neural que não teve acesso prévio a imagens com lesões. Resultados foram positivos, embora limitados, principalmente devido à complexidade das imagens tomográficas, as quais necessitaram de maior preparo para utilização. Nesta dissertação, são detalhadas as dificuldades encontradas e as possíveis soluções
- Imprenta:
- Data da defesa: 30.05.2025
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
SIMÕES, Alvaro Dias. Avaliação do erro de redes neurais artificiais como forma de detecção de novas classes e aplicabilidade a imagens de tomografia computadorizada de tórax. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-15012026-150703/. Acesso em: 27 jan. 2026. -
APA
Simões, A. D. (2025). Avaliação do erro de redes neurais artificiais como forma de detecção de novas classes e aplicabilidade a imagens de tomografia computadorizada de tórax (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/43/43134/tde-15012026-150703/ -
NLM
Simões AD. Avaliação do erro de redes neurais artificiais como forma de detecção de novas classes e aplicabilidade a imagens de tomografia computadorizada de tórax [Internet]. 2025 ;[citado 2026 jan. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-15012026-150703/ -
Vancouver
Simões AD. Avaliação do erro de redes neurais artificiais como forma de detecção de novas classes e aplicabilidade a imagens de tomografia computadorizada de tórax [Internet]. 2025 ;[citado 2026 jan. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-15012026-150703/
Informações sobre o DOI: 10.11606/D.43.2025.tde-15012026-150703 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
