Aplicações do Deep Learning para diagnóstico de doenças e identificação de insetos vetores
Open Access
- 1 November 2019
- journal article
- ensaio
- Published by FapUNIFESP (SciELO) in Saúde em Debate
- Vol. 43 (spe2) , 147-154
Abstract
RESUMO Deep Learning é uma técnica de aprendizado de máquina na qual o programa computacional aprende padrões diretamente a partir de imagens classificadas previamente. O presente ensaio objetivou apresentar essa técnica e algumas de suas aplicações para diagnóstico de doenças e identificação de insetos vetores para incentivar profissionais da saúde que não tenham conhecimento aprofundado em informática e que desejem utilizar a ferramenta para realizar análises automatizadas. Deep Learning tem sido aplicado para diagnóstico de câncer, fibrose cardíaca, tuberculose, detecção de parasitos como Plasmodium e Leishmania e ainda para identificação de insetos vetores. Na Universidade de Brasília, a técnica tem sido aplicada para desenvolver uma ferramenta para identificar lesões ulceradas de leishmaniose em diagnóstico diferencial e para detectar Leishmania em lâminas de estudos histopatológicos. Além disso, Deep Learning tem sido usado para identificar as espécies de vetores da doença de Chagas – o que é importante para auxiliar na vigilância epidemiológica. O uso da tecnologia envolve desafios éticos e procedimentais que são discutidos no presente ensaio. O ensaio aponta perspectivas de desenvolvimento de aplicativos que auxiliem os profissionais de saúde no diagnóstico de Leishmaniose e de vetores da doença de Chagas, o que vai ao encontro dos objetivos da pesquisa translacional.Keywords
This publication has 22 references indexed in Scilit:
- Understanding the learned behavior of customized convolutional neural networks toward malaria parasite detection in thin blood smear imagesJournal of Medical Imaging, 2018
- Leishmaniasis Parasite Segmentation and Classification Using Deep Learning2018
- Image analysis and machine learning for detecting malariaTranslational Research, 2018
- Detection of tuberculosis patterns in digital photographs of chest X-ray images using Deep Learning: feasibility studyThe International Journal of Tuberculosis and Lung Disease, 2018
- Diagnostic Performance of Deep Learning Algorithms Applied to Three Common Diagnoses in DermatopathologyJournal of Pathology Informatics, 2018
- Automated identification of insect vectors of Chagas disease in Brazil and Mexico: the Virtual Vector LabPeerJ, 2017
- Dermatologist-level classification of skin cancer with deep neural networksNature, 2017
- Automated Detection of Malaria Parasites on Thick Blood Smears via Mobile DevicesProcedia Computer Science, 2016
- Deep learningNature, 2015
- Cutaneous Leishmaniasis: Recent Developments in Diagnosis and ManagementAmerican Journal of Clinical Dermatology, 2015