PREDICTCOVID: INTELIGÊNCIA ARTIFICIAL APLICADA AO DIAGNÓSTICO DE COVID-19

  • Rodrigo Treichel
  • Alex Camargo
  • Mirkos Martins
  • Erico Marcelo Hoff Do Amaral
Rótulo COVID-19, Inteligência, Artificial, classificação, imagens

Resumo

Uma das principais dificuldades enfrentados pela sociedade no combate à pandemia causada pela COVID-19 é a triagem e diagnóstico da população. Esse problema é relevante, pois quanto maior a parcela da população diagnosticada, melhor tende a ser o prognóstico da pandemia e maior tende a ser a precisão da análise de riscos associada às políticas de saúde pública propostas para o combate à pandemia. Com base nessa problemática, surgiu a seguinte questão, seria possível implementar técnicas de inteligência artificial que auxiliassem na identificação de pacientes contaminados com o novo coronavírus, através do treinamento de algoritmos de classificação de imagens? À vista disso, foi criado o PredictCovid, atualmente registrado no Instituto Nacional de Propriedade Industrial sob o número BR512020000578-0, que utiliza Redes Neurais Convolucionais com o objetivo de prover mecanismos de processamento de imagem para o auxílio de equipes médicas no diagnóstico da COVID-19. Para isso, a visão computacional é estabelecida por um algoritmo de aprendizado profundo (do inglês, deep learning) que detecta uma imagem de entrada, atribui uma importância (peso e viés) a diferentes aspectos, sendo capaz de classificar uma determinada saída. Para cumprir com esse objetivo, a inteligência artificial foi implementada em três fases: na etapa inicial, foi realizada uma procura por conjuntos de dados públicos com imagens de tórax, classificados como NORMAL e COVID-19; na etapa seguinte, no treinamento da rede, as imagens de tórax e o código-fonte implementado foram migrados para a plataforma de computação em nuvem Google Colab, devido à disponibilização gratuita de processamento paralelo de alta performance; finalmente, após a etapa de validação e testes do modelo, foi adicionada uma nova classe de imagens intitulada PNEUMONIA e a rede foi novamente treinada, transformando o modelo em um classificador ternário. Os resultados do modelo binário, com aproximadamente 3 mil imagens (sendo 20% delas exclusivamente para teste), obteve 98% de acurácia de classificação. Os resultados também avaliaram o modelo de classificação ternária, o qual obteve uma acurácia de 95%, utilizando o mesmo conjunto de dados. Os resultados inicialmente obtidos foram considerados relevantes e o modelo já se encontra em na plataforma em alguns hospitais da região oeste e central do Rio Grande do Sul. Com trabalhos futuros podem ser elencados a inclusão de novas classes ao modelo bem como a sinalização de pontos importantes identificados pelo algoritmo nas imagens.

Downloads

Não há dados estatísticos.
Publicado
2020-11-20
Como Citar
TREICHEL, R.; CAMARGO, A.; MARTINS, M.; MARCELO HOFF DO AMARAL, E. PREDICTCOVID: INTELIGÊNCIA ARTIFICIAL APLICADA AO DIAGNÓSTICO DE COVID-19. Anais do Salão Internacional de Ensino, Pesquisa e Extensão, v. 12, n. 2, 20 nov. 2020.