Avaliação do erro de redes neurais artificiais como forma de detecção de novas classes e aplicabilidade a imagens de tomografia computadorizada de tórax

• Ano de defesa: 2025
• Autor(a) principal: Simões, Alvaro Dias
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: artificial intelligence; ciências da saúde; diagnostic; diagnóstico; health sciences; inteligência artificial; neural network; redes neurais; tomografia; tomography
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-15012026-150703/

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.