A utilização de redes neurais convolucionais para a identificação de doenças respiratórias em radiografias de tórax

Abstract

Este trabalho propõe estudar o conceito de redes neurais convolucionais (RNC) como uma ferramenta metodológica para o reconhecimento de doenças respiratórias em radiografias de tórax. As redes neurais convolucionais (RNC) são um tipo especializado de modelo de aprendizado elaborado, planejadas para processar dados em forma de grade, como imagens ou vídeos. São especialmente eficientes em tarefas relacionadas à visão computacional. As imagens médicas desempenham um papel crucial nesse treinamento, fornecendo dados visuais que proporcionam à RNC aprender padrões e características especificas relacionadas a diferentes condições pulmonares. A alta complexidade e alterabilidade das radiografias de tórax necessitam de algoritmos elaborados para a detecção precisa de anomalias. As RNCs, sobretudo projetadas para processar imagens, são bem ajustadas para este fim. Ao qual conseguem constatar características tênues em várias regiões da imagem, como sombras, texturas e opacidades, que são capazes de ser indicativas de várias doenças respiratórias. Ao treinar uma RNC com um grande conjunto de dados de imagens médicas rotuladas, o modelo aprende a relacionar padrões específicos com diagnósticos determinantes. Isso permite que a rede neural desenvolva e identifique padrões semelhantes em novas imagens que não foram parte do conjunto de treinamento. As redes neurais pertencem ao campo de estudo da ciência da computação chamado inteligência artificial, campo de estudo este que cresce a cada dia devido a sua grande versatilidade em aplicações práticas das mais diversas áreas do conhecimento científico e tecnológico. A modelagem e funcionamento da rede neural utilizada aqui tem como base a linguagem de programação Python. Esta linguagem foi utilizada por apresentar diversas bibliotecas nativas de inteligência artificial o que ajuda bastante no treinamento da rede neural. O Python atualmente é uma das linguagens de programação mais utilizadas para estudo em inteligência artificial, aprendizado de máquina, ciência de dados e dentre outras.