Desenvolvimento de um software de diagnóstico por imagem para detecção da doença de Crohn e retocolite usando aprendizado de máquina.

Abstract

Este trabalho apresenta o desenvolvimento de um software baseado em aprendizado de máquina com o objetivo de auxiliar no diagnóstico diferencial entre Doença de Crohn e Retocolite Ulcerativa, utilizando imagens colonoscópicas. O software foi implementado em Python e utiliza o algoritmo de Florestas Aleatórias (Random Forest), combinado com técnicas de pré-processamento de imagens e Análise de Componentes Principais (PCA) para reduzir a dimensionalidade dos dados. A base de dados utilizada no treinamento do modelo foi composta por imagens de colonoscopia, abrangendo casos confirmados de Crohn, Retocolite e intestinos saudáveis. O pré-processamento incluiu técnicas de rotação, espelhamento e normalização para aumentar a variabilidade e melhorar a robustez do modelo. Além disso, uma pipeline de processamento foi projetada para garantir que as imagens sejam analisadas de maneira eficiente. Os resultados obtidos mostraram uma acurácia média de 99,36% após a otimização dos hiperparâmetros do modelo. Além disso, o software desenvolvido inclui uma interface gráfica amigável e simples.