Pesquisa da UFRB utiliza IA com imagens de raio X para detecção de Covid-19

^{Acorda Cidade}

Pesquisadores da Universidade Federal do Recôncavo da Bahia (UFRB) investigaram a importância da aplicação de técnicas de inteligência artificial (IA), denominadas de Deep Learning ou Aprendizado de Máquina Profundo, com o uso de número reduzido de imagens de raio X artificiais de pulmão (Data Augmentation), para o diagnóstico de Covid-19 – o diagnóstico rápido e preciso contribui na redução da taxa de transmissão da doença respiratória infecciosa, considerada pandemia mundial, e permite realizar um acompanhamento do estado de saúde do paciente.

As imagens sintéticas criadas a partir de transformações em imagens reais (originais) analisadas classificaram os pacientes entre saudável, com pneumonia e com Covid-19, alcançando a precisão de até 100% de acertos na etapa de teste. A pesquisa usou a análise de acurácia de 16 combinações de transformações (zoom, rotação, intensidade do brilho e espelhamento horizontal) aplicadas na geração de novas imagens artificiais através de técnicas de Data Augmentation – um dos desafios da área é o treinamento de modelos de Redes Neurais Convolucionais com base de dados com poucas amostras.

“Os resultados foram promissores e mostram que o treinamento com imagens sintéticas (Data Augmentation) pode proporcionar boas taxas de classificação, caso as combinações de transformações (hiperparâmetros de Data Augmentation) nas imagens sejam adequadamente selecionadas”, explica o pesquisador e professor da UFRB, André Luiz Carvalho Ottoni, um dos autores do estudo.

A pesquisa foi publicada em forma de artigo científico, “Análise da seleção de hiperparâmetros de Data Augmentation na detecção de Covid-19 em imagens de raio X com Deep Learning”, no XV Congresso Brasileiro de Inteligência Computacional, pelos pesquisadores Pedro Rici, Samara Oliveira Silva Santos e André Ottoni, do Centro de Ciências Exatas e Tecnológicas (CETEC), em Cruz das Almas.

A pesquisa apresenta uma metodologia criteriosa e experimental para a definição de hiperparâmetros de Data Augmentation na classificação de imagens de raio X para detecção de Covid-19 com Deep Learning. O aluno de Engenharia Elétrica, Pedro Rici, destaca que através da metodologia apresentada e dos resultados obtidos, a pesquisa pode servir de base para outros pesquisadores da área para entender como a técnica do Data Augmentation influência em suas arquiteturas de Redes Neurais Convolucionais e assim economizar esforços e tempo em outras pesquisas envolvendo a classificação de imagens de raio X de pulmão para detecção de Covid-19.

Como exemplo, na sessão temática – ST02: Inteligência Computacional aplicada ao combate da COVID-19 – na qual o artigo foi apresentado, “estudos de relevantes universidades nacionais também foram discutidos, como da Universidade Federal do Rio de Janeiro e da Universidade Federal do Rio Grande do Norte (UFRJ e UFRN)”, afirma Ottoni, que destaca a importância do estudo para reforçar o papel da UFRB na busca por soluções inteligentes no combate à pandemia.