@MASTERSTHESIS{ 2023:720239060,
 	title = {Inteligência artificial aplicada na detecção de pneumonia em imagens de raio-x do tórax},
 	year = {2023},
 	url = "http://bdtd.famerp.br/handle/tede/920",
 	abstract = "INTRODUÇÃO: Profissionais especializados existem em um número menor do que a
 demanda existente no mercado; isso ocorre em várias áreas de trabalho e não é diferente
 quando se trata de médicos radiologistas. Devido ao grande volume de exames para
 serem analisados, os médicos radiologistas acabam se tornando um gargalo no fluxo de
 liberação de exames por imagem. Quando se trata de diagnósticos por imagem em um
 cenário de emergência hospitalar podemos citar dois grandes problemas. O primeiro é o
 médico não radiologista que não possui a expertise necessária para realizar um
 diagnóstico a partir de uma imagem. O segundo é a ordem na qual essas imagens são
 analisadas, muitas vezes problemas mais sérios, que deveriam ser analisados com
 prioridade, são analisados posteriormente devido à ordem de chegada e ordem na qual o
 exame foi realizado. OBJETIVO: Desenvolvimento e aplicação de um sistema de
 Inteligência Artificial capaz de identificar pneumonia em imagens de Raio-X do tórax,
 como proposta de auxílio aos médicos na triagem e no diagnóstico por imagens,
 contribuindo na rapidez e assertividade do diagnóstico. MÉTODOS: Estudo de
 avaliação tecnológica de corte transversal com delineamento descritivo, de natureza
 aplicada através de procedimentos experimentais, com abordagem quantitativa do tipo
 analítica. O sistema de inteligência artificial desta pesquisa foi desenvolvido pelo
 próprio pesquisador seguindo boas práticas de desenvolvimento de software. A
 avaliação da performance do sistema no diagnóstico de pneumonia em imagens de
 Raio-x foi realizada utilizando-se os modelos de avaliação de performance mais
 utilizados em sistemas de IA e Machine Learning. Dentre as métricas de performance
 utilizada na avaliação do sistema podemos citar a curva ROC, F1 score, precision, recall
 e acurácia. A avaliação de performance do sistema foi realizada utilizando-se o conjunto
 de imagens disponíveis para a pesquisa, separados em conjunto de treinamento e
 conjunto de validação. RESULTADOS: A arquitetura final do Algoritmo ficou com um
 total de 27 camadas. O Algoritmo foi treinado utilizando 2.290 imagens, e para avaliar a
 sua performance foram utilizadas 1.430 imagens. Foram definidas inicialmente 40
 rodadas de treinamento, mas ele foi interrompido na rodada 37 por estabilizar o
 aprendizado e não alcançar mais nenhuma melhoria na acurácia. O Algoritmo alcançou
 no conjunto de validação uma área sobre a curva de 0.68. O algoritmo foi
 disponibilizado em um sistema web capaz de receber um arquivo no formato DICOM,
 processar a imagem e retornar a probabilidade da imagem ser positiva para pneumonia.
 CONCLUSÃO: O sistema de inteligência artificial para identificação de pneumonia em
 imagens de Raio-x do tórax tem a capacidade de melhorar a eficiência dos diagnósticos
 por imagem, sendo uma ferramenta de auxílio ao médico no momento da triagem e
 priorização dos exames a serem analisados, bem como, uma segunda opinião para o
 diagnóstico do exame. Dessa maneira o sistema contribui para agilizar a liberação de
 resultados importantes ao mesmo tempo que contribui para o aumento da assertividade
 nos diagnósticos.",
 	publisher = {Faculdade de Medicina de São José do Rio Preto},
 	scholl = {Programa de Pós-Graduação em Ciências da Saúde},
 	note = {Faculdade 1::Departamento 1}
}