Explicabilidade de modelos de visão computacional aplicados à detecção de COVID-19 em radiografias
Souza, Matheus Paes de
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
No final de 2019, Covid-19, uma nova doença respiratória de grande capacidade contagiosa e letal, se espalhou pelo planeta, alcançando status de pandemia. Diante da falta de testes, foram propostos modelos de visão computacional para a detecção da doença a partir de imagens de radiografias, utilizando algoritmos de inteligência artificial treinados em datasets curados para esse objetivo. No entanto, não é incomum a introdução de vieses, presentes de maneira desconhecida nos datasets, no modelo de predição. Neste trabalho, esse fenômeno investigado, treinando modelos para a detecção de Covid-19 em radiografias e aplicando técnicas recentes de interpretabilidade para modelos de visão computacional (Grad-CAM, Grad-CAM++) a modelos propostos para a detecção da doença.
Ficha do documento
- Tipo
- Outro
- Ano
- 2020
- Instituição
- Fundação Getulio Vargas
- Fonte
- Repositório da FGV
- Idioma
- Português
- Acesso
- Não informado
- Identificador
- oai:repositorio.fgv.br:10438/30352
- Temas
- Tecnologia
Conteúdos relacionados
- OutroAplicação de otimização multi-objetivo em problemas de aprendizagem de máquinas para diminuição de discriminaçãoFundação Getulio Vargas · 2020
- DissertaçãoBoosted generative flow networksFundação Getulio Vargas · 2026
- DissertaçãoDesafios e oportunidades potencializados pela pandemia de covid-19 para o desenvolvimento de estratégias de transformação digital em governosFundação Getulio Vargas · 2025
- DissertaçãoA cadeia de distribuição de vacinas contra Covid-19 no Brasil na perspectiva da mídiaFundação Getulio Vargas · 2022
