Publication
Diagnóstico assistido por computador no Cancro Colorretal: podemos fazê-lo?
| dc.contributor.advisor | Cardoso, Jaime | |
| dc.contributor.advisor | Silva, Regina Augusta Alves Pereira da | |
| dc.contributor.author | Ribeiro, Liliana Filipa Pinho | |
| dc.date.accessioned | 2022-01-31T16:17:11Z | |
| dc.date.available | 2022-01-31T16:17:11Z | |
| dc.date.issued | 2021-12-02 | |
| dc.description.abstract | O número de casos de cancro colorretal tem aumentado exponencialmente, fazendo desta doença oncológica uma das mais diagnosticadas mundialmente. No entanto, o número de patologistas disponíveis para a realização do diagnóstico mantem-se constante, o que leva a um aumento da carga de trabalho destes profissionais, bem como a um aumento no tempo de resposta ao doente. É, desta forma, urgente a criação de ferramentas que ajudem os patologistas a gerir mais eficazmente o seu trabalho. A aplicabilidade crescente da patologia digital e os correntes avanços na tecnologia, fazem do diagnóstico assistido por computador uma ferramenta promissora na patologia. Este trabalho teve como objetivos a criação de uma base de dados de amostras colorretaisa ser usada para treinar um algoritmo de deep learning para o diagnóstico de amostras colorretais, e a avaliação da precisão desse algoritmo. Foi construída uma base de dados com 10% das imagens anotadas. Com esta base foi possível fazer dois eventos de treino e teste do algoritmo, com um número crescente de amostras. Foram utilizadas três categorias de diagnóstico: benigno, lesão de baixo grau e lesão de alto grau. Para cada evento foi possível atingir uma precisão de 88,42% e 89,89%, respetivamente. Para o diagnóstico diferencial entre benigno e lesão obteve-se uma precisão de 96%. Apesar de ainda existirem algumas barreiras à implementação desta tecnologia na rotina patológica, o diagnóstico assistido por computador demonstra o potencial de auxiliar os patologistas numa mais eficaz gestão da sua carga laboral. | pt_PT |
| dc.identifier.tid | 202901173 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.22/19708 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Cancro colorretal | pt_PT |
| dc.subject | Patologia digital | pt_PT |
| dc.subject | Diagnóstico assistido por computador | pt_PT |
| dc.subject | Deep learning | pt_PT |
| dc.subject | Treino semi-supervisionado | pt_PT |
| dc.title | Diagnóstico assistido por computador no Cancro Colorretal: podemos fazê-lo? | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Técnicas Laboratoriais em Biopatologia | pt_PT |