Author:
Ribeiro Rodrigo P. S.,Wangenheim Aldo von
Abstract
Este trabalho aborda o aspecto negligenciado da avaliação da qualidade da imagem e da adesão aos protocolos de aquisição em teledermatologia, propondo aprendizado de máquina para automação. Concentra-se em dois protocolos: Imagem de Aproximação e Imagem Panorâmica, predominantes nos protocolos de exames do STT/SC. A validação envolveu métricas padrão de aprendizado de máquina e um estudo de concordância entre avaliadores com 11 dermatologistas. A abordagem combinada alcançou uma concordância de 96,68% em estudo interavaliadores, demonstrando o potencial desta automatização da avaliação da qualidade da imagem e da adesão ao protocolo em teledermatologia em agilizar a análise especializada.
Publisher
Sociedade Brasileira de Computação (SBC)
Reference16 articles.
1. Chan, S., Reddy, V., Myers, B., Thibodeaux, Q., Brownstone, N., and Liao, W. (2020). Machine learning in dermatology: Current applications, opportunities, and limitations. Dermatology and Therapy, 10(3):365–386. Publisher: Springer Science and Business Media LLC.
2. High, W., Houston, M., Calobrisi, S., Drage, L., and McEvoy, M. (2000). Assessment of the accuracy of low-cost store-and-forward teledermatology consultation. Journal of the American Academy of Dermatology, 42:776–83.
3. Inacio, A. d. S., Andrade, R., Wangenheim, A. v., and Macedo, D. D. J. (2014). Designing an information retrieval system for the STT/SC. In 2014 IEEE 16th International Conference on e-Health Networking, Applications and Services (Healthcom). IEEE.
4. INCA (2023). Estimate | 2023 Cancer Incidence in Brazil. Instituto Nacional de Câncer (Brasil).
5. Lasierra, N., Alesanco, A., Gilaberte, Y., Magallón-Botaya, R., and García, J. (2012). Lessons learned after a three-year store and forward teledermatology experience using internet: Strengths and limitations. International journal of medical informatics, 81:332–43.