Redes neurais na classificação de imagens da membrana timpânica
Abstract
As otites são o principal motivo de visita aos médicos por crianças na idade pré-escolar. No mundo, acredita-se que aproximadamente 740 milhões de pessoas por ano serão afetadas por otite média aguda ou otite média crônica supurada (LUNDBERG et al., 2017). A computação vem cada vez mais ajudando os profissionais na área da saúde no diagnóstico, prognóstico e tratamento das doenças. A classificação de imagens na área médica, principalmente pelas redes neurais de aprendizado profundo, é uma importante ferramenta no auxílio do diagnóstico de doenças, como a retinopatia diabética. A radiologia vem usando as redes neurais para ajudar a identificar tumores em exames de tomografia, por exemplo. A dermatologia também usa esses métodos para ajudar a interpretar imagens de manchas na pele, com o objetivo de identificar possíveis melanomas. Esses exemplos, como os de outras áreas da medicina, mostram o a importância que as redes neurais vêm tendo na classificação de imagens. Neste trabalho foram coletadas imagens do conduto auditivo externo humano por médico otorrinolaringologista, sendo que 133 destas foram submetidas ao processo de Extração de Conhecimento em Bancos de Dados. Foi construído um modelo de Rede Neural Convolucional para classificação destas imagens em três classes: "sem doença", "com doença"e "com cerumen". Durante o treinamento, os dados foram divididos em partições, e a acurácia média dos testes com todas as partições foi de 81.62%, sendo o melhor resultado de 91.26%. O modelo final foi submetido ao teste com 14 novas imagens, apresentando uma acurácia de 90.47% (sic).