@PHDTHESIS{ 2024:1431945485,
 	title = {Diagnóstico da tuberculose em microscopia de campo claro usando redes profundas},
 	year = {2024},
 	url = "https://tede.ufam.edu.br/handle/tede/10147",
 	abstract = "A baciloscopia automatizada para o diagnóstico da tuberculose pulmonar tem sido tema de muitos estudos publicados nas últimas décadas. A maioria deles trata de uma etapa preliminar do diagnóstico, a detecção de bacilos, enquanto, conforme determinado pela Organização Mundial da Saúde (OMS), a baciloscopia compreende a detecção e relato do número de bacilos encontrados em até 100 campos microscópicos para a identificação do diagnóstico que pode ser Negativo, Esparso, 1+, 2+ ou 3+. O diagnóstico da tuberculose pulmonar na baciloscopia de campo claro depende da atenção de um técnico treinado que, com uma alta demanda laboratorial, pode ser sobrecarregado, enquanto o diagnóstico automatizado requer pouca ou, em alguns casos, nenhuma interpretação por parte de um técnico. Até onde sabemos, este trabalho propõe o primeiro método automático para diagnóstico da tuberculose pulmonar em baciloscopia de campo claro, de acordo com as determinações da OMS. O método proposto compreende uma etapa de segmentação semântica, utilizando uma rede neural profunda, seguida de uma etapa de filtragem visando reduzir o número de objetos detectados que não são bacilos (falso positivos): filtragem baseada nas características de cor e forma do objeto. Na etapa de segmentação semântica, diferentes configurações de codificadores foram avaliadas, usando camadas de convolução separada por canal e mecanismo de atenção de canal. Na etapa de filtragem, dois modelos foram avaliados, o primeiro com um filtro de cor e um filtro de forma, e o segundo com dois filtros de cor e um filtro de forma. O segundo modelo de filtragem apresentou melhor desempenho. O método proposto foi avaliado com um conjunto de dados grande, robusto e anotado projetado para esse fim, composto por 250 conjuntos de teste, em que cada classe diagnóstica tem 50 conjuntos. As seguintes métricas de desempenho foram obtidas com o método proposto para a classificação das 5 classes diagnósticas: precisão média de 0,894, sensibilidade média de 0,896 e f1-score médio de 0,895. Além disso, o método apresentou um tempo de diagnóstico de aproximadamente 7 minutos no caso em que são necessários mais campos digitais para a análise. Portanto, os resultados alcançados mostraram a possibilidade de realizar o diagnóstico automático da tuberculose por meio da baciloscopia de campo claro.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Engenharia Elétrica},
 	note = {Faculdade de Tecnologia}
}