Método automático para geração de laudos médicos em imagens de retinografia utilizando Transformer
Author:
Dutra Eduardo F. P.,Lemos Victor H. B. de,Almeida João D. S.,Paiva Anselmo C. de
Abstract
Estima-se que o número de pessoas afetadas por doenças na retina aumentará significativamente nas próximas décadas. O diagnóstico tradicional dessas patologias envolve a análise visual das estruturas da retina, é um processo demorado e requer especialização. Assim, torna-se útil o uso de um sistema automático para suporte ao diagnóstico pelos especialistas. Neste trabalho é apresentado um método automático de geração de relatório médico, usando rede neural convolucional para extração de características da imagem, combinada a uma rede Transformer que sugere o relatório médico inicial. O método proposto apresenta aumento de 30% em BLEU comparado ao melhor método de Image Captioning na base DeepEyeNet, que tem 265 doenças de retina diferentes.
Publisher
Sociedade Brasileira de Computação - SBC
Reference32 articles.
1. Deng, J., Dong, W., Socher, R., Li, L.-J., Li, K., and Fei-Fei, L. (2009). Imagenet: A large-scale hierarchical image database. In 2009 IEEE Conference on Computer Vision and Pattern Recognition, pages 248–255. 2. He, K., Zhang, X., Ren, S., and Sun, J. (2015). Deep residual learning for image recognition. 3. Hendrick AM, Gibson MV, K. A. (2015). Diabetic retinopathy. Prim Care. 4. Herdade, S., Kappeler, A., Boakye, K., and Soares, J. (2020). Image captioning: Transforming objects into words. 5. Howard, A. G., Zhu, M., Chen, B., Kalenichenko, D., Wang, W., Weyand, T., Andreetto, M., and Adam, H. (2017). Mobilenets: Efficient convolutional neural networks for mobile vision applications.
|
|