Explicabilidade de modelos de visão computacional aplicados à detecção de COVID-19 em radiografias
Carregando...
Data
2020-12
Autores
Orientador(res)
Poco, Jorge
Métricas
Título da Revista
ISSN da Revista
Título de Volume
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.