COMPARTILHAMENTO DE IMAGENS MÉDICAS CARDÍACAS PARA UTILIZAÇÃO EM PESQUISA E DESENVOLVIMENTO:
Carregando...
Arquivos
Citações na Scopus
Tipo de produção
Trabalho de Conclusão de Curso
Data
2021-12-15
Autores
BRUNO BAZZO ABELLAN
GUILHERME COUTO BERNARDI
JOÃO VITOR MALAFAIA
MATEUS CONTE FEITOSA
GUILHERME COUTO BERNARDI
JOÃO VITOR MALAFAIA
MATEUS CONTE FEITOSA
Orientador
Leila Cristina Carneiro Bergamasco
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
Texto completo (DOI)
Palavras-chave
Imagens médicas,Data Augmentation,SGBDs,recuperação da informação
Resumo
Imagens médicas são essenciais no treinamento de algoritmos de inteligência artificial
que objetivam, entre outras tarefas, auxiliar o diagnóstico médico. Embora esse treinamento
seja possível com um pequeno número de imagens é conhecido pela comunidade científica que
quanto maior a quantidade de imagens disponíveis, maior a efetividade do algoritmo. Dessa
forma, se torna essencial o desenvolvimento de estratégias de armazenamento e recuperação de
tais imagens. Uma das abordagens possíveis é a utilização de sistemas gerenciadores de banco
de dados (SGBDs) para realizar o armazenamento desses dados. O presente projeto de pesquisa
tem por objetivo avaliar diferentes SGBDs no que diz respeito ao armazenamento de centenas
de frames de exames de ressonância magnética cardíaca, considerando todas as suas particularidades,
tais como: anonimização, idade e gênero do paciente. Adicionalmente, para simular
um grande volume de dados e estruturar a base de dados para que seja reaproveitada por outros
pesquisadores, utiliza-se técnicas de DA. As principais contribuições deste trabalho foram: determinar
que o modelo mais adequado para armazenar e recuperar imagens médicas cardíacas
dentro do contexto de desenvolvimento de pesquisa é o MongoDB Atlas, além de aplicar técnicas
eficientes para que seja possível obter uma maior gama de imagens e consequentemente
maior precisão em um treinamento de modelos preditivos utilizando IA.