Repository logo

ISEP - DM – Engenharia de Inteligência Artificial

Permanent URI for this collection

http://hdl.handle.net/10400.22/18077

Browse

Browsing ISEP - DM – Engenharia de Inteligência Artificial by Sustainable Development Goals (SDG) "Engenharia e Tecnologia"

Now showing 1 - 1 of 1
  • Técnicas avançadas de inteligência artificial para a deteção e rastreio de doenças gastrointestinais
    Publication . PEREIRA, HUGO SIMÃO DA ROCHA; Martinho, Diogo Emanuel Pereira
    As doenças gastrointestinais têm vindo a aumentar devido a vários fatores associados ao estilo de vida moderno, como por exemplo uma alimentação inadequada, sedentarismo e tabagismo. A colonoscopia continua a ser o método de referência para o diagnóstico de patologias intestinais, permitindo a deteção e tratamento de lesões. No entanto, a sua precisão depende fortemente da experiência do médico, resultando em variabilidade nos diagnósticos e potenciais atrasos na deteção de condições críticas. Para além disso, o procedimento de colonoscopia pode exigir a realização de biópsias invasivas, que, embora essenciais para diagnóstico definitivo, acarretam riscos e desconforto para os pacientes. Esta dissertação de tese explora a integração de técnicas de visão computacional e deep learning para otimizar a análise de colonoscopias, com o objetivo de melhorar a precisão na deteção de lesões e apoiar a tomada de decisão clínica. Através do uso de redes neuronais convolucionais (CNNs) e modelos de segmentação como o ResNet, DenseNet e Inception, esta investigação propõe o desenvolvimento de um sistema baseado em inteligência artificial capaz de identificar e classificar lesões colorretais com maior precisão e consistência. O sistema proposto visa complementar a experiência médica, reduzindo a variabilidade nos diagnósticos e otimizando os processos de rastreio. Os resultados desta dissertação mostram que os modelos híbridos, que combinam diferentes arquiteturas convolucionais, superaram os modelos baseados apenas em transfer learning, que apresentaram desempenhos insatisfatórios. A melhor performance foi alcançada pelo modelo híbrido ResNet + EfficientNet + DenseNet, com accuracy de 86,67%. Esses resultados sugerem que a abordagem híbrida é mais eficaz para a deteção de lesões gastrointestinais, podendo contribuir para diagnósticos mais rápidos e precisos, além de reduzir a necessidade de biópsias desnecessárias.
    2025-07-11Master thesis Embargoed access Show more