Author:
Santos Neto Carlos M.,Silva Anderson L.,Pessoa Alexandre C. P.,Quintanilha Darlan B. P.,Almeida João D. S. de,Braz Junior Geraldo,Diniz João O. B.
Abstract
A tuberculose (TB) é uma das maiores causadoras de morte por doenças infecciosas. Em 2022, estimou-se que no mundo 10,6 milhões de pessoas ficaram doentes com TB. A radiografia de tórax é um exame médico não invasivo que é utilizado para detectar patologias em diversas áreas do tórax, sendo uma ferramenta crucial no diagnóstico de TB. O desenvolvimento na área de visão computacional, com a utilização de técnicas de aprendizado profundo, levou a avanços significativos na detecção automática de anormalidades em imagens radiográficas, possibilitando a existência de diagnósticos auxiliados por máquina. Neste trabalho é proposto um método para o diagnóstico de tuberculose em imagens de radiografia utilizando a rede neural Convolutional Vision Transformers. Os resultados mostram métricas relevantes, com uma acurácia de 93,13%, um F1-score de 92,68% e uma AUC-ROC de 97,16%, utilizando as bases de imagens públicas Shezen e Montgomery County. Esses resultados são superiores ao estado da arte.
Publisher
Sociedade Brasileira de Computação - SBC