Reconhecimento de padrões em imagens radiográficas de tórax: apoiando o diagnóstico de doenças pulmonares infecciosas

Página do item simplificado
dc.contributor.advisor1Soares, Fabrízzio Alphonsus Alves de Melo Nunes
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7206645857721831
dc.contributor.referee1Soares, Fabrízzio Alphonsus Alves de Melo Nunes
dc.contributor.referee2Laureano, Gustavo Teodoro
dc.contributor.referee3Pedrini, Hélio
dc.contributor.referee4Rabahi, Marcelo Fouad
dc.contributor.referee5Salvini, Rogerio Lopes
dc.creatorFonseca, Afonso Ueslei da
dc.creator.Latteshttp://lattes.cnpq.br/8486633197834367
dc.date.accessioned2023-10-25T15:25:19Z
dc.date.available2023-10-25T15:25:19Z
dc.date.issued2023-09-29
dc.description.abstractPattern Recognition (PR) is a field of computer science that aims to develop techniques and algorithms capable of identifying regularities in complex data, enabling intelligent systems to perform complicated tasks with precision. In the context of diseases, PR plays a crucial role in diagnosis and detection, revealing patterns hidden from human eyes, assisting doctors in making decisions and identifying correlations. Infectious pulmonary diseases (IPD), such as pneumonia, tuberculosis, and COVID-19, challenge global public health, causing thousands of deaths annually, affecting healthcare systems, and demanding substantial financial resources. Diagnosing them can be challenging due to the vagueness of symptoms, similarities with other conditions, and subjectivity in clinical assessment. For instance, chest X-ray (CXR) examinations are a tedious and specialized process with significant variation among observers, leading to failures and delays in diagnosis and treatment, especially in underdeveloped countries with a scarcity of radiologists. In this thesis, we investigate PR and Artificial Intelligence (AI) techniques to support the diagnosis of IPID in CXRs. We follow the guidelines of the World Health Organization (WHO) to support the goals of the 2030 Agenda, which includes combating infectious diseases. The research questions involve selecting the best techniques, acquiring data, and creating intelligent models. As objectives, we propose low-cost, high-efficiency, and effective PR and AI methods that range from preprocessing to supporting the diagnosis of IPD in CXRs. The results so far align with the state of the art, and we believe they can contribute to the development of computer-assisted IPD diagnostic systems.eng
dc.description.provenanceSubmitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2023-10-20T17:51:00Z workflow start=Step: editstep - action:claimaction No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Tese - Afonso Ueslei da Fonseca - 2023.pdf: 57493753 bytes, checksum: c74858bf984190ba1c5701d129c864dc (MD5)en
dc.description.provenanceStep: editstep - action:editaction Approved for entry into archive by Luciana Ferreira(lucgeral@gmail.com) on 2023-10-25T15:25:18Z (GMT)en
dc.description.provenanceMade available in DSpace on 2023-10-25T15:25:19Z (GMT). No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Tese - Afonso Ueslei da Fonseca - 2023.pdf: 57493753 bytes, checksum: c74858bf984190ba1c5701d129c864dc (MD5) Previous issue date: 2023-09-29en
dc.description.resumoReconhecimento de Padrões (RP) é uma área da computação que visa desenvolver técnicas e algoritmos capazes de identificar regularidades em dados complexos, permitindo sistemas inteligentes realizar tarefas difíceis com precisão. No contexto de doenças, RP tem papel crucial no diagnóstico e detecção, revelando padrões ocultos aos olhos humanos, ajudando médicos a tomar decisões e identificar correlações. Doenças pulmonares infecciosas (DPI), como pneumonia, tuberculose e COVID-19, são um desafio à saúde pública global, causam milhares de mortes anualmente, afetam sistemas de saúde e demandam vultuosos recursos financeiros. Diagnosticálas pode ser desafiador devido à vaguidade dos sintomas, à semelhança com outras condições e à subjetividade da avaliação clínica. Por exemplo, nos exames de radiografia do tórax (RXT), é um processo tedioso, especializado e com grande variação entre observadores, levando a falhas e retardo no diagnóstico e tratamento, especialmente em países subdesenvolvidos e com escassez de radiologistas. Nesta tese, investigamos técnicas de RP e Inteligência Artificial (IA) para apoiar o diagnóstico de DPI em RXT. Seguimos as diretrizes da Organização Mundial da Saúde (OMS) para apoiar as metas da Agenda 2030, que incluem o combate a doenças transmissíveis. As questões de pesquisa envolvem selecionar as melhores técnicas, adquirir dados e criar modelos inteligentes. Como objetivos, propomos métodos de RP e IA de baixo custo, alta eficiência e eficácia que vão desde o pré-processamento até o suporte ao diagnóstico de DPI em RXT. Os resultados até aqui mostram-se em linha com estado da arte, e acreditamos que podem contribuir com o desenvolvimento dos sistemas de diagnóstico de DPI assistidos por computador.
dc.identifier.citationFONSECA, A. U. Reconhecimento de padrões em imagens radiográficas de tórax: apoiando o diagnóstico de doenças pulmonares infecciosas. 2023. 183 f. Tese (Doutorado em Ciência da Computação) - Instituto de Informática, Universidade Federal de Goiás, Goiânia, 2023.
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/13086
dc.languagepor
dc.publisherUniversidade Federal de Goiás
dc.publisher.countryBrasil
dc.publisher.departmentInstituto de Informática - INF (RMG)
dc.publisher.initialsUFG
dc.publisher.programPrograma de Pós-graduação em Ciência da Computação (INF)
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internationalen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectReconhecimento de padrõespor
dc.subjectRadiografia de tóraxpor
dc.subjectDoenças pulmonares infecciosaspor
dc.subjectSuporte ao diagnósticopor
dc.subjectInteligência artificialpor
dc.subjectAprendizagem de máquinapor
dc.subjectPattern recognitioneng
dc.subjectChest radiographyeng
dc.subjectInfectious pulmonary diseaseseng
dc.subjectDiagnostic supporteng
dc.subjectArtificial intelligenceeng
dc.subjectMachine learningeng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.titleReconhecimento de padrões em imagens radiográficas de tórax: apoiando o diagnóstico de doenças pulmonares infecciosas
dc.title.alternativePattern recognition in chest X-ray images: supporting the diagnosis of infectious lung diseaseseng
dc.typeTese

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Tese - Afonso Ueslei da Fonseca - 2023.pdf
Tamanho:
54.83 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Doutorado em Ciência da Computação