Becker, Carla Diniz LopesWunderlich, Ricardo2022-06-102022-06-102021https://repositorio.ufcspa.edu.br/handle/123456789/1872Dissertação (Mestrado)-Programa de Pós-Graduação em Tecnologias da Informação e Gestão em Saúde, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre.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.pt-BRAcesso Aberto ImediatoNódulos PulmonaresRaios XTomografia Computadorizada por Raios XInteligência ArtificialAprendizado Profundo[en] X-Rays[en] Tomography, X-Ray Computed[en] Artificial Intelligence[en] Deep LearningDissertação