Detecção de azheimer em imagens de ressonância magnética utilizando deep learning

O envelhecimento populacional vem sendo observado no mundo todo. Este fato, analisado e repercutido pela ciência nos tempos atuais, torna necessário se ater à saúde dessa população mais idosa. Neste contexto, uma das doenças que pode surgir é a doença de Alzheimer, que afeta o idoso comprometendo sua integridade física, mental e social. O diagnóstico clínico ainda é o ponto principal para o diagnóstico desse tipo de demência. Dessa forma, o uso de sistemas computacionais para auxiliar o médico no diagnóstico pode facilitar e ajudar a análise médica. Na medicina, uma das aplicações concebidas é o diagnóstico de doenças através da análise de imagens digitais. A neuroimagem é uma das áreas de pesquisa mais promissoras para a detecção de biomarcadores estruturais da doença de alzheimer(DA), onde uma técnica não invasiva é usada para capturar uma imagem digital do cérebro, a partir da qual especialistas extraem padrões e características da doença. Nesse contexto, os sistemas de diagnóstico assistido por computador(DAC) são abordagens que visam ajudar médicos e especialistas na interpretação de dados médicos, para fornecer diagnósticos aos pacientes. Esses diagnósticos vêm apresentando resultados significativos e auxiliando profissionais da saúde. Dentre as doenças que estão sendo estudadas com o intuito de serem diagnosticadas, destaca-se a doença de Alzheimer devido à sua letalidade e, consequentemente, à sua necessidade de identificação precoce. Diante disso, este trabalho teve como objetivo reconhecer imagens de ressonância magnética com a doença de Alzheimer. Para isso, uniu-se técnicas de processamento de imagens digitais, com aprendizagem de Redes Neurais Artificiais. Resultando em uma aplicação capaz de classificar imagens de ressonância magnética de pacientes, identificando ou não a presença da doença de Alzheimer. Nesta dissertação, foram desenvolvidos e avaliados modelos de aprendizado profundo aplicados à classificação de imagens de ressonância magnética para a detecção precoce da Doença de Alzheimer. Em razão das limitações dos métodos clínicos tradicionais — frequentemente subjetivos e demorados — o estudo investiga o uso de redes neurais convolucionais (CNNs) como ferramenta de apoio ao diagnóstico médico. A metodologia adotada contempla o pré-processamento de imagens nos formatos 2D e 3D, o treinamento de modelos baseados em deep learning e a avaliação de desempenho por meio de métricas como acurácia, curva ROC e curva de Precisão- Revocação. Os resultados obtidos indicaram que os modelos baseados em CNNs foram capazes de classificar com elevada precisão as imagens de ressonância magnética, atingindo uma acurácia de ≈ 98, 88% no formato 2D e de ≈ 97, 1% no formato 3D, o que evidencia o potencial da abordagem desenvolvida.