Comparando Deep e Transfer Learning na Classificação de Imagens da Membrana Timpânica

Autores/as

  • Maurício Koenigkam Santos Universidade de Caxias do Sul
  • Carine Geltrudes Webber Universidade de Caxias do Sul

Palabras clave:

Aprendizado de Máquina, Redes Neurais, Processamento de Imagens Assistida por Computador

Resumen

Objetivos: As redes neurais de aprendizado profundo compreendem técnicas que produzem os melhores resultados na tarefa de classificação de imagens. Em especialidades como a radiologia e a dermatologia, as redes neurais têm contribuído na identificação, por meio de imagens, de tumores e melanomas respectivamente. Método: No contexto deste artigo, explora-se o uso das redes neurais para diagnóstico de otites, por meio de imagens da membrana timpânica. Considerando esta tarefa, o método seguido compreendeu a aquisição de imagens do conduto auditivo externo humano de pacientes saudáveis, com otite e com cerumen. Resultado: Posteriormente, constituiu-se dois modelos, sendo o primeiro baseado em uma arquitetura deep learning e o segundo utilizando transfer learning. Como resultado, identificou-se que o modelo produzido por meio de transfer learning apresentou melhores resultados. Conclusão: A acurácia obtida na tarefa de classificação foi de 96%, revelando a aptidão do método para a classificação e diagnóstico esperados.

Publicado

2022-07-02

Cómo citar

Santos, M. K., & Webber, C. G. (2022). Comparando Deep e Transfer Learning na Classificação de Imagens da Membrana Timpânica. Journal of Health Informatics, 14(Especial). Recuperado a partir de https://jhi.sbis.org.br/index.php/jhi-sbis/article/view/968

Artículos similares

1 2 3 4 5 6 7 8 9 10 > >> 

También puede {advancedSearchLink} para este artículo.