Dados do Trabalho

Título

Um Modelo para Triagem de Radiografias do Ombro Utilizando Deep Learning

Descrição sucinta do(s) objetivo(s)

Radiografias de ombro são exames comuns na prática clínica de médicos radiologistas, ortopedistas e outros profissionais de saúde, fornecendo informações clínicas importantes que são determinantes para o manejo do paciente. Propõe-se um modelo para a triagem automática de radiografias de ombro utilizando deep learning, separando as normais das demais, facilitando o workflow de radiologistas e profissionais de saúde e fornecendo diagnósticos de forma mais ágil.

Material(is) e método(s)

Foi treinada uma rede neural convolucional baseada na DenseNet para classificação binária das radiografias de ombro, diferenciando-as entre normais e alteradas. As imagens foram provenientes de uma versão modificada do conjunto de dados MURA, incluindo somente radiografias de ombro em AP com características que permitam a leitura diagnóstica e com classificação adequada entre normal e alterada, assim como técnicas de pré-processamento de imagem.

Resultados e discussão

Foi elaborado e treinado um algoritmo de deep learning para triagem automática de radiografias de ombro, diferenciando-as entre normais e alteradas. Os resultados foram favoráveis tanto no grupo validação quanto teste. No grupo teste, os resultados foram de Area Under Curve (AUC) de 0.94, recall/sensibilidade de 0.88, especificidade de 0.78, precisão de 0.79, score F1 de 0.83, VPN de 0.88 e acurácia de 0.83.

Conclusões

O modelo proposto para triagem de radiografias de ombro utilizando deep learning demonstra potencial para aplicação clínica, atuando como ferramenta auxiliar para o médico radiologista e outros profissionais de saúde.

Palavras Chave

Artificial Inteligence; INTELIGÊNCIA ARTIFICIAL; musculoesquelético

Arquivos