Dados do Trabalho

Título

Desenvolvimento de um Modelo de Inteligência Artificial para Detecção de Artefatos Metálicos em Tomografias Computadorizadas de Cabeça

Descrição sucinta do(s) objetivo(s)

A detecção e classificação de artefatos metálicos em imagens de tomografia computadorizada (TC) é crucial na área de medicina diagnóstica. Esses artefatos, que resultam em distorções nas imagens causadas por próteses metálicas, objetos cirúrgicos ou implantes, não apenas comprometem a precisão dos diagnósticos clínicos, mas também representam desafios para o desempenho de modelos de inteligência artificial (IA) projetados para apoio diagnóstico. O presente trabalho visa desenvolver e implementar um modelo de AI capaz de identificar e classificar com precisão a presença de artefatos metálicos em imagens de TC. Essa automatização aprimora a interpretação de imagens de TC e garante a confiabilidade de outros sistemas de suporte ao diagnóstico baseados em IA resultando em diagnósticos e tratamentos mais eficazes.

Material(is) e método(s)

Analisamos imagens de TC de crânio de três fontes: CQ500, Kaggle e instituição XXX, totalizando 16875 séries, das quais 8556 possuem artefatos metálicos. Tanto o Kaggle quanto o CQ500 possuem dados disponíveis de forma pública e on-line. Os dados públicos foram usados durante o treinamento dos modelos enquanto o dado institucional foi dividido para ser utilizado nas etapas de treino e validação.
Após o pré-processamento, escolhemos as arquiteturas EfficientNet, ResNet e DenseNet pela sua eficiência e precisão documentadas na literatura em imagens médicas. Os modelos foram treinados com 80% dos dados e validados com 20%, utilizando acurácia, precisão e F1-score, e contaram com a validação visual de neuroradiologistas.

Resultados e discussão

A análise exploratória permitiu a criação de um banco de dados equilibrado entre classes e atributos dos sujeitos.
O modelo EfficientNetB2 apresentou os melhores resultados, com precisão de 0.89, recall 0.9 e F1-Score de 0.93.

Conclusões

Futuramente, planejamos a implementação de arquiteturas baseadas em Vision Transformers 3D para capturar informações espaciais globais. Ademais, como o volume de dados 3D possui alta demanda computacional, usamos subvolumes das imagens para treinamento, tornando o processo mais gerenciável.

Palavras Chave

INTELIGÊNCIA ARTIFICIAL; artefatos metálicos; Tomografia Computadoriza

Arquivos

Área

Neurorradiologia