SISTEMA DE APOIO À DECISÃO CLÍNICA EM MAMOGRAFIA DIGITAL USANDO INTELIGÊNCIA ARTIFICIAL - Atena EditoraAtena Editora

Artigo

Baixe agora

Livros

SISTEMA DE APOIO À DECISÃO CLÍNICA EM MAMOGRAFIA DIGITAL USANDO INTELIGÊNCIA ARTIFICIAL

Baixar PDF
Este capítulo de livro, demonstra o desenvolvimento e a validação de um sistema de apoio à decisão clínica voltado para a triagem de mamografias digitais usando Inteligência Artificial. A proposta integra redes neurais convolucionais (CNNs) com lógica fuzzy, combinando a alta capacidade discriminativa de modelos de aprendizado profundo com a interpretabilidade fornecida por sistemas baseados em regras linguísticas. Alguns estudos recentes demonstram que a integração de sistemas fuzzy com modelos de aprendizado de máquina oferece ganhos relevantes em precisão e acurácia diagnóstica, particularmente em contextos clínicos de alta variabilidade. Utilizando um banco de dados abertos de imagens reais oriundas de instituições brasileiras, o sistema foi treinado em uma arquitetura convolucional otimizada para tarefas médicas, processando imagens DICOM convertidas e normalizadas. Cada imagem gera um vetor de ativação que é posteriormente analisado por um módulo fuzzy, responsável por produzir inferências clínicas contínuas e explicáveis. Os resultados obtidos demonstram que essa abordagem integrada amplia a sensibilidade diagnóstica e melhora a generalização do modelo, sobretudo em cenários com dados incompletos como exames compostos por uma ou duas imagens. Dessa forma, a comparação com modelos puramente de redes neurais evidencia ganhos relevantes, posicionando a solução como alternativa promissora para ambientes clínicos que exigem rastreamento confiável e auditável, com acurácia e precisão maximizadas.
Ler mais

SISTEMA DE APOIO À DECISÃO CLÍNICA EM MAMOGRAFIA DIGITAL USANDO INTELIGÊNCIA ARTIFICIAL

  • DOI: https://doi.org/10.22533/at.ed.3421425201110

  • Palavras-chave: Diagnóstico. Mamografia digital. Inteligência Artificial. RNC.

  • Keywords: Diagnosis. Digital Mammography. AI. CNN.

  • Abstract: This book chapter demonstrates the development and validation of a clinical decision support system for digital mammography screening using Artificial Intelligence. The proposed method integrates convolutional neural networks (CNNs) with fuzzy logic, combining the high discriminative capacity of deep learning models with the interpretability provided by rule-based inference systems. Recent studies have shown that the integration of fuzzy systems with machine learning models leads to significant improvements in diagnostic precision, particularly in clinical contexts characterized by high variability. Trained on real-world imaging data from Brazilian institutions, the system employs a convolutional architecture optimized for medical imaging tasks, processing standardized and normalized DICOM images. Each image yields an activation vector that is subsequently analyzed by a fuzzy module responsible for generating continuous and interpretable clinical inferences. The results indicate that this integrated approach enhances diagnostic sensitivity and improves model generalization, especially in cases involving incomplete data such as studies composed of only one or two images. Thus, comparison with purely neural network models reveals significant gains, positioning the solution as a promising alternative for clinical environments that require reliable and auditable tracking, with maximized accuracy and precision.

  • David Lopes Maciel
  • Natiele Vieira de Oliveira Maciel
  • Fabrício Moraes de Almeida
Fale conosco Whatsapp