Deteção de tumores cerebrais utilizando LSTM

Estudos recentes mostraram que os modelos de aprendizagem profunda s緌 capazes de proporcionar benef獳ios significativos para a an嫮ise de imagens m嶮icas. Quando se utiliza o LSTM para a dete誽o de tumores cerebrais, os dados de entrada sequenciais, como exames de resson滱cia magn彋ica ou dados de s廨ies temporais de pacientes, s緌 normalmente introduzidos no modelo LSTM. O modelo aprenderia ent緌 com os padr髊s sequenciais e utilizaria esse conhecimento para classificar a presen蓷 ou n緌 de um tumor cerebral. O nosso modelo aproveita as depend瘽cias temporais dos dados de imagiologia m嶮ica para melhorar a precis緌 e a robustez na dete誽o de tumores. O modelo LSTM tem um desempenho melhor do que os m彋odos tradicionais, conforme demonstrado pelos nossos resultados. Isto resulta numa elevada precis緌 e em informa踥es valiosas sobre a regi緌 do tumor detectado. Al幦 disso, exploramos a interpretabilidade dos LSTMs e a potencial integra誽o com informa踥es cl璯icas para melhorar o diagn鏀tico e o planeamento.