A Inteligência Artificial, mais precisamente o Deep Learning e as redes neurais
convolucionais, estão sendo utilizadas para a detecção de nódulos pulmonares e
outras doenças em exames de Raios X e principalmente Tomografia
computadorizada. O presente trabalho teve como objetivo propor uma metodologia
para predição de malignidade em nódulos pulmonares pré-processados em imagens
em MIP, utilizando redes neurais convolucionais, em exames de tomografia
computadorizada. As imagens oriundas do dataset LIDC-IDRI foram pré processadas em padrão MIP (máxima intensidade de projeção), manualmente em
estação de trabalho, GE ADW 4.1utilizando a ferramenta de reformatação
multiplanar. Tanto as imagens dos nódulos, no plano axial, como as imagens
reformatadas em MIP foram utilizadas para treinamento e testes na rede neural
convolucional ResNet-50, o treinamento foi supervisionado, foi utilizado o método de
validação cruzada. O uso de imagens no padrão MIP, fornece informações
suficientes para o treinamento de redes neurais, mas perde desempenho em relação
as axiais, detectando características de borda. O valor de AUC médio para os 5 folds
foi de 0,79 no MIP e de 0,74 no uso do MIP+axial e de 0,95 no axial.
