Dissertação
Aprendizado de máquina para automatização de classificação de registros fotográficos de e Úlceras do Pé Diabético (UPD) conforme a classificação da Universidade do Texas
Fecha
2022-12-16Registro en:
ESPINDOLA, Thiago Alves. Aprendizado de máquina para automatização de classificação de registros fotográficos de e Úlceras do Pé Diabético (UPD) conforme a classificação da Universidade do Texas. 2022. 61 f., il. Dissertação (Mestrado em Engenharia Biomédica) — Universidade de Brasília, Brasília, 2022.
Autor
Espindola, Thiago Alves
Institución
Resumen
Introdução: A Úlcera de Pé Diabético (UPD) é uma complicação da diabetes e é
caracterizada por apresentar feridas associadas a isquemia, neuropatia e
deformidades a qual pode levar à amputação. Neste contexto, classificar a ferida
consiste em avaliar a lesão e identificar o grau de comprometimento das estruturas
teciduais e com base nessa análise, categorizar em uma escala padronizada. Tem
como papel orientar o diagnóstico para estabelecer a cobertura adequada a cada
ferida, além do registro da evolução da úlcera e, por fim, garantir que qualquer
profissional de saúde possa entender o estado clínico dando continuidade ao
tratamento. Objetivo: Desenvolver um algoritmo para automatizar o processo de
classificação de UPD a partir de registros fotográficos de úlceras, utilizando a
Classificação da Universidade do Texas. Metodologia: A escrita do algoritmo foi
realizada na linguagem Python, uma vez que possui suporte à Inteligência Artificial
(IA). Foi selecionada a técnica Redes Neurais Convolucionais (CNNs) por possibilitar
o aprendizado com a utilização de amostras. O universo amostral foi composto por
554 registros UPD obtidas no ensaio clínico do projeto RAPHA®. Resultados:
Obteve-se um produto de inovação tecnológica: uma ferramenta para treinamento e
classificação que pode ser efetuado por profissionais não especializados em Machine
Learning. Denominado Claucia - acrônimo para “Classificação de úlceras com
Inteligência Artificial”, a versão inicial foi testada por profissionais de saúde (onde foi
cedido os registros de UPD para que as classificassem e após esse processo, foi
instalado o programa para comparação dos resultados, tendo o software acurácia
elevada. Contudo, observou-se também que houve overfitting (problema relacionado
as fases de treinamento, onde ao receber dados novos, o modelo de aprendizado não
consegue aplicar corretamente as regras de classificação). Isso devido ao volume
insuficiente de amostras utilizadas em face da complexidade exigida pela rede e
também por não ter amostras de todas as classes. Nesse contexto, o estudo não se
encerra no desenvolvimento da ferramenta apresentada, mas deixa em aberto
possibilidades de continuidade em novos trabalhos, com acréscimo de amostragem e
aplicação de outras métricas de qualidade, como precisão e sensibilidade.