Abordagem Computacional Baseada em Deep Learning para o Diagnóstico de Endometriose Profunda através de Imagens de Ressonância Magnética

Weslley Kelson Ribeiro Figueredo, Italo Francyles Santos da Silva, João Otávio Bandeira Diniz, Aristófanes Corrêa Silva, Anselmo Cardoso de Paiva, A. Salomao, Alice C. C. Brandão Salomão, Marco Aurélio Pinho Oliveira
In: Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023) · 2023 · pp. 138–149 · doi:10.5753/sbcas.2023.229567 · W4386071671
article OA: gold CC0
🔓 Open OA copy View on OpenAlex View at publisher

Abstract

Endometriose é uma doença que atinge vários órgãos, principalmente aqueles na estrutura pélvica, e reduz consideravelmente a qualidade de vida da pessoa afetadas. A doença afeta, principalmente, mulheres em idade fértil. Pode ser identificada via exames de imagem. Neste trabalho, Propõe-se um método para identificação automática da lesão de endometriose em imagens de ressonância magnética usando técnicas de processamento de imagem e uma VGG-16 modificada, a fim de servir como auxílio no diagnóstico, na redução da necessidade da utilização de métodos invasivos para realização destes, o tempo de diagnóstico e os resultados falsos negativos. Acurácia de 83,89%, sensibilidade de 84,15%, e especificidade de 83,86% foram alcançadas.

My notes (saved in your browser only)

Citation neighborhood

Papers in the corpus that this work cites (lower rings, blue) and that cite this one (upper rings, green). Dot size scales with the paper's in-corpus citation count — bigger dot = more influential within the endo/adeno field. Click a dot to open that paper. [ expand to 2 hops ] — adds papers reached through this work's immediate citers/citees. Heavier; up to 60 extra dots.

References (20)

Source provenance

openalex
last seen: 2026-06-10T17:14:06.276822+00:00
License: CC0 · commercial use OK