Análise comparativa entre arquiteturas de redes neurais convolucionais para apoio diagnóstico de câncer de pulmão a partir de imagens de tomografia computadorizada

Abstract

Com o avanço tecnológico e a crescente necessidade de métodos diagnósticos mais precisos, as redes neurais convolucionais (CNNs) emergem como uma ferramenta promissora na medicina diagnóstica, complementando o trabalho dos profissionais de saúde em seus diagnósticos. Este estudo, inserido no contexto de eficiência hospitalar, realiza uma análise comparativa abrangente de diferentes modelos e arquiteturas de CNNs no apoio ao diagnóstico de câncer de pulmão a partir de imagens de tomografia computadorizada (TC), visando aprimorar a agilidade na análise desses exames e melhorar a confiabilidade de seus resultados. São destacadas as diferenças de desempenho entre os modelos, bem como a aplicação de técnicas de aprendizado por transferência para potencializar o seus desempenhos. O objetivo principal é não apenas identificar o modelo mais eficaz para essa tarefa crucial, mas também explorar estratégias inovadoras que possam melhorar significativamente a precisão e a confiabilidade dos diagnósticos de câncer de pulmão, contribuindo tanto para a eficiência em ambientes hospitalares quanto para o conhecimento acerca da eficiência de novos modelos neste contexto específico.