Comparação De Redes Neurais Convolucionais Na Classificação De Pneumonia Em Radiografias De Tórax
Year: 2026
Type: dissertation
Abstract: Esta pesquisa experimental investigou em que medida redes neurais convolucionais podem apoiara triagem de pneumonia em radiografias de tórax sem desconsiderar as limitações clínicas do problema.Foram comparados seis cenários com a base pública Chest X-Ray Images (Pneumonia):ResNet50 com a base congelada, CNN customizada treinada do zero e ResNet50 com fine-tuningseletivo ou completo, incluindo configurações com e sem data augmentation. O desempenhofoi analisado por acurácia, sensibilidade, especificidade, VPP, VPN, F1-Score, AUC e MCC,com intervalos de confiança de 95% estimados por bootstrap com 2.000 reamostragens. MapasGrad-CAM foram utilizados como apoio qualitativo na inspeção de acertos e erros. No limiarprincipal de 0,5, o melhor equilíbrio foi obtido pelo C13, com fine-tuning seletivo das últimas 20camadas da ResNet50, alcançando acurácia de 0,9311, sensibilidade de 0,9410, especificidadede 0,9145, F1-Score de 0,9447, AUC de 0,9766 e MCC de 0,8534. O C14, com fine-tuningcompleto, obteve MCC de 0,8115 e não superou o ajuste seletivo. A CNN customizada comaugmentation (C11) também apresentou desempenho competitivo, com MCC de 0,7303. Osresultados constituem evidência experimental interna ao conjunto avaliado e não representamvalidação clínica definitiva.
Language: Portuguese
Topic: COVID-19 diagnosis using AI
Subfield: Radiology, Nuclear Medicine and Imaging
Field: Medicine
Domain: Health Sciences
Open Access status: green
OpenAlex ID: W7204792186