CLASSIFICAÇÕES DE IMAGENS DE RAIOS X USANDO APRENDIZAGEM PROFUNDA OTIMIZADA

Redes Neurais Convolucionais Profundas ou simplesmente Redes Neurais Convolucionais (CNN) tornaram-se recentemente um dos mais poderosos e expressivos modelos de aprendizagem para o Reconhecimento de Padrões de Imagem, Processamento de Imagem Médica, Visão Computadorizada, Reconhecimento de Caracteres Escritos à Mão/Óptico, etc. que são bem versados na realização das tarefas de Classificação, tanto Binária como Categórica de uma forma eficiente e simples. Além da sua ampla utilização em vários campos e domínios nos dias de hoje, ganhou grande popularidade e reconhecimento na área da Ciência Médica, uma vez que vários relatórios médicos hoje em dia são altamente confiáveis sobre o reconhecimento de Imagem baseado no Aprendizado Profundo. Neste livro, treinamos um Modelo de Rede Neural Estruturada Profunda, que é basicamente um Modelo CNN sobre um grande conjunto de Dataset de Imagens de Raios X chamado MURA (Musculoskeletal Radiographs Abnormality) e tentamos prever as Anormalidades de uma Imagem Radiográfica (seja uma Imagem Normal ou Anormal) com base nas classificações binárias.