Resumo A Esquistossomose Mansonié uma das Doenças Tropicais Negligenciadas com maior alcance epidêmico no mundo e uma das diretrizes da OMSé o diagnóstico prévio e célere para o mapeamento dos focos e aplicação do devido tratamento das pessoas infectadas. O processo atual para o diagnóstico ainda depende de uma análise em exames parasitológicos realizados por um ser humano em um microscópio em laboratório. Aárea de Reconhecimento de Padrões em imagens se apresenta como uma alternativa promissora como apoio e automatização de exames baseados em imagens, e técnicas de Aprendizado Profundo têm sido aplicadas com sucesso para este propósito. Com o intuito de automatizar este processo,é proposto neste trabalho a aplicação de métodos de aprendizado profundo para detecção de ovos de Esquistossomose, eé realizada uma comparação entre duas técnicas de aprendizado profundo, as Redes Neurais Convolucionais (CNN) e as Redes Neurais Piramidais Estruturadas (SPNN). Os resultados obtidos em uma base de dados reais indicam que as ténicas são eficazes no reconhecimento dos ovos da Esquistossomose, em que ambas obtiveram AUC (area under the curve) acima de 0,90, com a CNN mostrando superioridade neste aspecto. Entretanto, a SPNN mostrou ser mais rápida do que a CNN.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.