EXPLORANDO CURVAS PRINCIPAIS PARA DETECÇÃO DE TUBERCULOSE ATIVA VIA IMAGENS DE RAIO X
Curvas Principais, Redes Siamesas, Tuberculose, Imagens de Raio X, Transfer Learning
A Tuberculose (TB), se não for diagnosticada no início, pode ser fatal ou pode causar sequelas graves. Portanto, é importante que as ferramentas utilizadas na triagem e diagnósticos desta doença continue se modernizando. Principalmente pelo fato de que com a Covid-19 essa e outras doenças começaram a ser ainda mais menosprezada. Nesse artigo será comparado um método que utiliza a técnica de Curvas Principais (CP) numa abordagem especialista com outros estudos atuais. A CP foi criada através de uma série de características extraídas depois de um pré-processamento de Rede Neural Convolucional (CNN), e para diminuir a dimensionalidade dessas características foi tratada com uma Análise de Componentes Principais (PCA, do inglês
Principal Component Analysis) com uma variância de 0,95. O banco de dados utilizado é dividido nas seguintes classes de pacientes: TB, outras doenças e saudáveis. Os valores de acurácia obtidos pelo método é 0,91. Mostrando que o resultado é competitivo especialmente considerando a sua baixa complexidade computacional, e também será feita uma análise do estado da arte dos estudos éticos na área da IA, com um foco em especial na área da saúde