• Menu Principal
  • Busca
  • Conteúdo Central
  • Acessibilidade no site
Logo do repositório
  • English
  • Deutsch
  • Español
  • Português do Brasil
  • Entrar
    ou
    Novo usuário? Clique aqui para cadastrar.Esqueceu sua senha?
Logo do repositório
  • Comunidades e Coleções
  • Percorrer
  • English
  • Deutsch
  • Español
  • Português do Brasil
Documentos
  • Manual de Autodepósito
  • Entrar
    ou
    Novo usuário? Clique aqui para cadastrar.Esqueceu sua senha?
  1. Início
  2. Pesquisar por Autor

Navegando por Autor "Gasperi, Celso Júnior de"

Agora exibindo 1 - 1 de 1
Resultados por página
Opções de Ordenação
  • Carregando...
    Imagem em miniatura
    Item
    Acesso Aberto
    Inteligência artificial para apoio ao diagnóstico de radiografias pulmonares
    (2024-07-22) Gasperi, Celso Júnior de; Schneiders, Luis Antônio; http://lattes.cnpq.br/9565031104393434; Pretto, Fabrício; Wolf, Alexandre Stürmer
    A Inteligência Artificial (IA), consiste no uso de comportamentos e modelagens inteligentes para resolução de problemas complexos. Exames de diagnóstico por imagem, como a radiografia, tomografia computadorizada e a ultrassonografia são utilizados para o auxílio na identificação de possíveis doenças nos pacientes. Exames deste tipo geram imagens com padrões que podem ser identificados por softwares de IA, de forma a agilizar o processo de diagnóstico de doenças. Nesse sentido, o objetivo geral é apresentar uma proposta de aplicação da IA no diagnóstico de doenças pulmonares com vistas a aumentar a assertividade dos diagnósticos médicos e desenvolver uma ferramenta de IA específica para o diagnóstico de doenças pulmonares selecionadas. A pesquisa classifica-se como quali-quantitativa, de finalidade exploratória e de procedimento experimental. Para embasar a análise e desenvolvimento propostos, foi utilizado o conjunto de dados intitulado "Normal Tuberculosis Covid-19 Chest Xrays images", obtido do site Kaggle e como complemento para o desenvolvimento do trabalho, foi realizada uma solicitação formal ao Centro Clínico Univates para obtenção de imagens de exames de raios-X. A acurácia encontrada na ferramenta desenvolvida foi de 93%, o que demonstra o alto índice de precisão da IA, sendo esses promissores indicativos da aptidão do modelo na detecção e classificação das condições exigidas. Constatou-se que o modelo foi capaz de reconhecer e classificar diferentes padrões radiológicos associados a condições de saúde específicas.

BDU 2008-2025 baseado em DSpace

  • Configurações de Cookies
  • Enviar comentários

Coletamos e processamos suas informações pessoais para os seguintes propósitos: Autenticação, Preferências, Reconhecimento e Estatísticas.

Customizar