Neste projeto, vamos analisar as imagens de radiografia de toráx, no conjunto de imagens tem 5.863 imagens, que reflete imagens reais de pacientes pediátricos.
Você pode conferir o dataset e o projeto na íntegra clicando abaixo:
Link dataset: https://www.kaggle.com/datasets/paultimothymooney/chest-xray-pneumonia
Link do código do projeto: https://github.com/gustavoptavares/Classificacao-Raio-X/blob/main/Classifica%C3%A7%C3%A3o_Raio_X_.ipynb
Vamos analisar os dados conjunto de imagens de radiografia, para identificar se tem o paciente tem pneumonia ou não. Com um conjunto de imagens consiste em 5.863 imagens armazenadas, vamos entender, os seguintes detalhes:
• As imagens de radiografia de tórax (ântero-posterior).
• Previsão se o paciente tem ou não pneumonia.
O primeiro passo do projeto foi adquirir os dados. Utilizamos os dados do portal kaagle, carregando-o no Google Colab, para a exploração e análise dos dados utilizando a linguagem de programação Python e suas bibliotecas, como Tensorflow e Keras. Foi feito o treinamento de um modelo de classificação de imagens com o tensorflow e keras, para idenfiticar e fazer a classificação do raio-x para identificar se tem o paciente tem pneumonia ou não, é será demonstrado a métrica de desempenho em cada classificação.
São os seguintes resultados:
Classe 0 Normal
Classe 1 Pneumonia
SCore 100%
O projeto de aprendizado de máquina focado na classificação de imagens de raio-X com aplicação na medicina.
Ele abrange desde a importação de bibliotecas relevantes, passando pelo pré-processamento dos dados e construção de um modelo, até a avaliação do desempenho do modelo.
O objetivo final do projeto pode ser a identificação ou classificação de condições específicas a partir de imagens de raio-X, utilizando técnicas de aprendizado profundo.