IDENTIFICAÇÃO AUTOMATIZADA DE IMAGENS DE LESÕES CUTÂNEAS EM DOENÇAS DE ORIGEM FÚNGICA

Natália Santos Trindade; José Fabrício de Carvalho Leal; Daniel Holanda Barroso; Rodrigo Gurgel Gonçalves

Todos os Trabalhos

Trabalho

Título do Trabalho

IDENTIFICAÇÃO AUTOMATIZADA DE IMAGENS DE LESÕES CUTÂNEAS EM DOENÇAS DE ORIGEM FÚNGICA

Autores

Natália Santos Trindade
José Fabrício de Carvalho Leal
Daniel Holanda Barroso
Rodrigo Gurgel Gonçalves

Modalidade

Resumo

Área temática

Saúde e bem-estar

Data de Publicação

18/12/2024

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/23jornadacientificadohub/999188-identificacao-automatizada-de-imagens-de-lesoes-cutaneas-em-doencas-de-origem-fungica

ISBN

978-65-272-1003-0

Palavras-Chave

Inteligência artificial, dermatologia, infecções fúngicas

Resumo

Introdução: As doenças causadas por fungos caracterizam-se como infecções que ocasionam o crescimento excessivo desses organismos na pele, no couro cabeludo, nas unhas e em áreas mais úmidas do corpo. Essas infecções fúngicas têm apresentação polimórfica e necessitam de diagnóstico diferencial com outras doenças. Em razão disso, diagnosticar essas infecções pode ser desafiador devido à sua semelhança com outras doenças cutâneas. Por isso, investir em novas ferramentas de diagnóstico é crucial para agilizar o tratamento. Desse modo, uma estratégia promissora é o uso de métodos automatizados de identificação de lesões cutâneas, que aplicam aprendizagem de máquina para processar imagens de forma eficiente e rápida. Objetivos: Avaliar o desempenho de um algoritmo de aprendizado de máquina (AlexNet) para identificação de imagens que representam lesões tegumentares resultantes de infecções fúngicas. Método: As fotos foram obtidas de pacientes atendidos em um ambulatório de dermatologia do Distrito Federal, entre o período de 2015 a 2022 usando uma câmera profissional. As fotos foram redimensionadas, renomeadas com código alfanumérico assegurando a identidade dos pacientes e separadas em pastas. Do total de imagens, 80% foram usadas para treinar a rede AlexNet no software MATLAB, 10% para validação interna e 10% para teste. Após o treinamento e teste, analisamos a média de acurácia e o intervalo de confiança de 95% (IC) da rede para a identificação das imagens das lesões cutâneas. Resultados: Foram analisadas 532 imagens de lesões de pele, sendo 133 de lesões fúngicas (ex: cromomicose, esporotricose, tinea corporis), 133 de bacterioses (ex: ectima, hanseníase, piodermite), 133 de protozooses (todas de leishmaniose cutânea) e 133 de doenças não infecciosas (ex: carcinoma basocelular, insuficiência venosa, psoríase). Nós observamos que o desempenho do AlexNet para identificar lesões fúngicas teve uma acurácia média de 82,4% (IC 95% 74,1 – 88,4). Conclusão: O AlexNet apresentou um ótimo desempenho na identificação de imagens de lesões fúngicas e, ainda pode ser melhorado com um banco de dados maior e mais diversificado. Concluímos que a identificação automática de lesões cutâneas de origem fúngica por um algoritmo de aprendizado de máquina (AlexNet) pode se tornar uma ferramenta promissora para auxiliar clínicos durante o processo de diagnóstico. Nossa perspectiva é que os resultados contribuam para o desenvolvimento de um aplicativo para incentivar a população a buscar atendimento e ainda apoiar dermatologistas no diagnóstico.

Título do Evento: 23ª Jornada Científica do Hospital Universitário de Brasília
Cidade do Evento: Brasília
Título dos Anais do Evento: Anais da 23ª Jornada Científica do HUB - UnB
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

TRINDADE, Natália Santos et al.. IDENTIFICAÇÃO AUTOMATIZADA DE IMAGENS DE LESÕES CUTÂNEAS EM DOENÇAS DE ORIGEM FÚNGICA.. In: Anais da 23ª Jornada Científica do HUB - UnB. Anais...Brasília(DF) HUB - UnB, 2024. Disponível em: https//www.even3.com.br/anais/23jornadacientificadoHUB/999188-IDENTIFICACAO-AUTOMATIZADA-DE-IMAGENS-DE-LESOES-CUTANEAS-EM-DOENCAS-DE-ORIGEM-FUNGICA. Acesso em: 24/04/2026