Nos últimos tempos, observa-se um grande crescimento na utilização de computadores como ferramenta de auxílio nas mais diversas áreas, sendo a Medicina uma das principais áreas dessa utilização. Inúmeras aplicações da Informática podem ser encontradas na área médica, citando-se os sistemas de apoio ao diagnóstico como uma das mais marcantes. Esses sistemas têm como principal objetivo auxiliar o profissional da área no processo de tomada de decisões, o qual pode ocorrer em diferentes etapas de sua atividade. Esse processo normalmente envolve uma grande quantidade de dados e informações, que podem ser armazenadas e processadas muito mais rapidamente por computador. O objetivo principal desse trabalho é o desenvolvimento de um sistema computacional baseado na técnica de redes neurais artificiais, para auxílio ao médico radiologista na confirmação de diagnóstico das chamadas lesões intersticiais pulmonares. O exame radiológico para esse grupo é de difícil interpretação mesmo para profissionais bem treinados, visto o grande número de patologias assim classificadas e a semelhança entre elas. Os dados para treinamento da rede neural são obtidos por protocolo gerado por especialistas, através da revisão de casos com diagnóstico confirmado para determinadas patologias. O sistema desenvolvido é baseado em uma rede neural do tipo perceptron multicamadas, que funciona como um classificador de padrões – dado um conjunto de dados de entrada, a saída é classificada entre determinadas patologias. Nessa pesquisa, são levantados elementos para justificar a utilização de redes neurais artificiais em sistemas de apoio ao diagnóstico, objetivando uma ferramenta confiável para o auxílio ao profissional no seu dia-a-dia, e também uma ferramenta educacional de auxílio ao treinamento e qualificação para os estudantes da área médica. / It is observed that a big growing in the use of computers as a tool to help in several areas, specially in medicine, happened in the past years. A big number of applications of these computers can be found in Medicine, such as the Diagnosis Support System, which is one of the most remarkable. These systems have as its main objective to help in the phases its activity. This process usually involves a lot of data and information, which can be stored by a computer very quickly. The most important objective of this project is the development of a computer system based in artificial neural network to help the Radiologist in the confirmation of the diagnosis of the so-called Interstitial Lung Disease. The radiological examination for this group has a difficult interpretation even to well-trained professionals, due to the big number of classified as well as similar pathologies in this area. The data for the neural net are obtained through a protocol generated by specialists, through the review of cases with confirmed diagnosis for certain pathologies. The developed system is based in a kind of multilayer perceptron neural net, which run as a classifier of patterns. A number of data is given as entry data, afterwards the exit is classified among certain pathologies. In this research, elements to justify the use of the artificial neural net in diagnosis support systems are raised, objectifying a reliable tool to help professionals who use it day by day and also as an educational tool to help in the training and qualification of medical school students.

Nos últimos tempos, observa-se um grande crescimento na utilização de computadores como ferramenta de auxílio nas mais diversas áreas, sendo a Medicina uma das principais áreas dessa utilização. Inúmeras aplicações da Informática podem ser encontradas na área médica, citando-se os sistemas de apoio ao diagnóstico como uma das mais marcantes. Esses sistemas têm como principal objetivo auxiliar o profissional da área no processo de tomada de decisões, o qual pode ocorrer em diferentes etapas de sua atividade. Esse processo normalmente envolve uma grande quantidade de dados e informações, que podem ser armazenadas e processadas muito mais rapidamente por computador. O objetivo principal desse trabalho é o desenvolvimento de um sistema computacional baseado na técnica de redes neurais artificiais, para auxílio ao médico radiologista na confirmação de diagnóstico das chamadas lesões intersticiais pulmonares. O exame radiológico para esse grupo é de difícil interpretação mesmo para profissionais bem treinados, visto o grande número de patologias assim classificadas e a semelhança entre elas. Os dados para treinamento da rede neural são obtidos por protocolo gerado por especialistas, através da revisão de casos com diagnóstico confirmado para determinadas patologias. O sistema desenvolvido é baseado em uma rede neural do tipo perceptron multicamadas, que funciona como um classificador de padrões – dado um conjunto de dados de entrada, a saída é classificada entre determinadas patologias. Nessa pesquisa, são levantados elementos para justificar a utilização de redes neurais artificiais em sistemas de apoio ao diagnóstico, objetivando uma ferramenta confiável para o auxílio ao profissional no seu dia-a-dia, e também uma ferramenta educacional de auxílio ao treinamento e qualificação para os estudantes da área médica. / It is observed that a big growing in the use of computers as a tool to help in several areas, specially in medicine, happened in the past years. A big number of applications of these computers can be found in Medicine, such as the Diagnosis Support System, which is one of the most remarkable. These systems have as its main objective to help in the phases its activity. This process usually involves a lot of data and information, which can be stored by a computer very quickly. The most important objective of this project is the development of a computer system based in artificial neural network to help the Radiologist in the confirmation of the diagnosis of the so-called Interstitial Lung Disease. The radiological examination for this group has a difficult interpretation even to well-trained professionals, due to the big number of classified as well as similar pathologies in this area. The data for the neural net are obtained through a protocol generated by specialists, through the review of cases with confirmed diagnosis for certain pathologies. The developed system is based in a kind of multilayer perceptron neural net, which run as a classifier of patterns. A number of data is given as entry data, afterwards the exit is classified among certain pathologies. In this research, elements to justify the use of the artificial neural net in diagnosis support systems are raised, objectifying a reliable tool to help professionals who use it day by day and also as an educational tool to help in the training and qualification of medical school students.

O desenvolvimento tecnológico proporciona uma melhoria na qualidade de vida devido à facilidade, rapidez e flexibilidade no acesso à informação. Na área biomédica, a tecnologia é reconhecidamente uma importante aliada, permitindo o rápido desenvolvimento de métodos e técnicas que auxiliam o profissional na atenção à saúde. Recentes avanços na análise computadorizada de imagens médicas contribuem para o diagnóstico precoce de uma série de doenças. Nesse trabalho é apresentada uma metodologia para o desenvolvimento de um sistema computacional para caracterização de padrões em imagens pulmonares, baseado em técnicas de redes neurais artificiais. No estudo, buscou-se verificar a utilização de redes neurais auto-organizáveis como ferramenta de extração de atributos e redução de dimensionalidade de imagens radiográficas de tórax, objetivando a caracterização de lesões intersticiais de pulmão. Para a redução de dimensionalidade e extração de atributos, implementou-se um algoritmo baseado nos mapas auto-organizáveis (SOM), com algumas variações, obtendo-se uma redução dos cerca de 3 milhões de pixels que compõe uma imagem, para 240 elementos. Para a classificação dos padrões, utilizou-se uma rede Perceptron multi-camadas (MLP), validada com a metodologia leave-one-out. Com uma base contendo 79 exemplos de padrão linear, 37 exemplos de padrão nodular, 30 exemplos de padrão misto, e 72 exemplos de padrão normal, o classificador obteve a média de 89,5% de acerto, sendo 100% de classificação correta para o padrão linear, 67,5% para o padrão nodular, 63,3% para o padrão misto, e 100% para o padrão normal. Os resultados obtidos comprovam a validade da metodologia. / The technological development provides an improvement in the quality of life due to easiness, speed and flexibility in the access to the information. In the biomedical area, the technology is admitted as an important allied, allowing the fast development of methods and techniques that assist the professional in the health care. Recent advances in the computerized analysis of medical images contribute for the precocious diagnosis of a series of diseases. In this work a methodology for the development of a computational system for characterization of patterns in pulmonary images, based in techniques of artificial neural networks is presented. In the study, has searched for the verification the use of self-organizing neural networks as a feature extraction and dimensionality reduction tool of chest radiographs, willing to characterize interstitial lung disease. For the dimensionality reduction and feature extraction, an algorithm based on Self-Organizing Maps (SOM) was implemented, with some variations, getting a reduction of about 3 million pixels that it composes an image, for 240 elements. For the pattern classification, a Multilayer Perceptron (MLP) was used, validated with the leave-one-out methodology. With a database containing 79 samples of linear pattern, 37 samples of nodular pattern, 30 samples of mixed pattern, and 72 samples of normal pattern, the classifier provided an average result of 89.5% of right classification, with 100% of right classification for linear pattern, 67.5% for nodular pattern, 63.3% for mixed pattern, and 100% for normal pattern. The results prove the validity of the methodology.

O desenvolvimento tecnológico proporciona uma melhoria na qualidade de vida devido à facilidade, rapidez e flexibilidade no acesso à informação. Na área biomédica, a tecnologia é reconhecidamente uma importante aliada, permitindo o rápido desenvolvimento de métodos e técnicas que auxiliam o profissional na atenção à saúde. Recentes avanços na análise computadorizada de imagens médicas contribuem para o diagnóstico precoce de uma série de doenças. Nesse trabalho é apresentada uma metodologia para o desenvolvimento de um sistema computacional para caracterização de padrões em imagens pulmonares, baseado em técnicas de redes neurais artificiais. No estudo, buscou-se verificar a utilização de redes neurais auto-organizáveis como ferramenta de extração de atributos e redução de dimensionalidade de imagens radiográficas de tórax, objetivando a caracterização de lesões intersticiais de pulmão. Para a redução de dimensionalidade e extração de atributos, implementou-se um algoritmo baseado nos mapas auto-organizáveis (SOM), com algumas variações, obtendo-se uma redução dos cerca de 3 milhões de pixels que compõe uma imagem, para 240 elementos. Para a classificação dos padrões, utilizou-se uma rede Perceptron multi-camadas (MLP), validada com a metodologia leave-one-out. Com uma base contendo 79 exemplos de padrão linear, 37 exemplos de padrão nodular, 30 exemplos de padrão misto, e 72 exemplos de padrão normal, o classificador obteve a média de 89,5% de acerto, sendo 100% de classificação correta para o padrão linear, 67,5% para o padrão nodular, 63,3% para o padrão misto, e 100% para o padrão normal. Os resultados obtidos comprovam a validade da metodologia. / The technological development provides an improvement in the quality of life due to easiness, speed and flexibility in the access to the information. In the biomedical area, the technology is admitted as an important allied, allowing the fast development of methods and techniques that assist the professional in the health care. Recent advances in the computerized analysis of medical images contribute for the precocious diagnosis of a series of diseases. In this work a methodology for the development of a computational system for characterization of patterns in pulmonary images, based in techniques of artificial neural networks is presented. In the study, has searched for the verification the use of self-organizing neural networks as a feature extraction and dimensionality reduction tool of chest radiographs, willing to characterize interstitial lung disease. For the dimensionality reduction and feature extraction, an algorithm based on Self-Organizing Maps (SOM) was implemented, with some variations, getting a reduction of about 3 million pixels that it composes an image, for 240 elements. For the pattern classification, a Multilayer Perceptron (MLP) was used, validated with the leave-one-out methodology. With a database containing 79 samples of linear pattern, 37 samples of nodular pattern, 30 samples of mixed pattern, and 72 samples of normal pattern, the classifier provided an average result of 89.5% of right classification, with 100% of right classification for linear pattern, 67.5% for nodular pattern, 63.3% for mixed pattern, and 100% for normal pattern. The results prove the validity of the methodology.