Visão Computacional e Aprendizado Profundo em Imagens Médicas

Autoria: Patrick Ryan Sales dos Santos (Org.); Patrick Ryan Sales dos Santos; Antonio Oseas de Carvalho Filho

ISBN: 978-65-5337-259-7

DOI: 10.46898/rfb.mpon3hqv4de3

Resumo

Este livro apresenta aplicações de aprendizado profundo voltadas para a área da saúde, abordando métodos computacionais para análise de imagens médicas e sistemas inteligentes de apoio ao diagnóstico. Os capítulos exploram diferentes desafios relacionados à visão computacional, destacando desde técnicas de segmentação de lesões cutâneas até soluções para auxílio ao diagnóstico do Transtorno do Espectro Autista (TEA) em dispositivos de baixo poder computacional. No primeiro capítulo, é apresentada uma metodologia baseada em redes neurais profundas para segmentação automática de lesões de pele utilizando a base HAM10000. São analisadas arquiteturas modernas de aprendizado profundo, como U-Net, MANet, FPN e DeepLabV3, avaliando métricas como DICE e IoU na tarefa de segmentação semântica de imagens dermatológicas. O segundo capítulo descreve o desenvolvimento de um software inteligente para auxílio ao diagnóstico do TEA executado localmente em dispositivos com recursos limitados. O sistema integra detecção facial e classificação baseada em redes neurais convolucionais leves, priorizando eficiência computacional, privacidade dos dados e acessibilidade tecnológica. De maneira geral, a obra reúne pesquisas que demonstram o potencial da inteligência artificial aplicada à medicina, evidenciando como técnicas de aprendizado profundo podem contribuir para diagnósticos mais rápidos, precisos e acessíveis.

Palavras-chave: Aprendizado profundo, Inteligência artificial, Visão computacional, Imagens médicas, Segmentação de imagens, Lesões cutâneas, Redes neurais convolucionais, Diagnóstico assistido por computador, Transtorno do Espectro Autista, Processamento de imagens.

Capítulos

1. Arquitetura Profunda para Segmentação Multiclasse de Lesões de Pele
2. Diagnóstico Assistido do TEA com OFG em Dispositivos de Baixo Poder Computacional