Método automático para detecção de Leishmaniose Visceral em humanos

Abstract

A leishmaniose é uma doença comumente negligenciada que se apresenta em países tropicais e subtropicais, afetando 1 bilhão de pessoas. A Leishmaniose Visceral é a forma mais grave e pode levar à morte desde que não tratada. Nesse cenário, técnicas de Deep Learning são aplicadas para detectar Leishmaniose Visceral por meio de imagens de lâminas do exame parasitológico da medula óssea, auxiliando em um diagnóstico rápido e preciso. Utilizamos duas metodologias diferentes que realizam a classificação automática dessas imagens como positivas ou negativas para a doença. Na primeira, utilizamos uma CNN baseada na LeNet e treinada do zero; na segunda, utilizamos a extração de características com CNNs pré-treinadas e uso de três classificadores clássicos (Random Forest, SVM e XGBoost). Os resultados são relevantes, atingindo uma Acurácia de 78,7%, uma Precisão de 94,1%, um Recall de 64,0%, um F1-Score de 99,2% e um Kappa de 58,1% em nossa melhor técnica de classificação. Comparamos nossos resultados com quatro trabalhos relacionados no estado da arte, que mostraram que o método proposto apresenta resultados promissores em todos os casos. Portanto, demonstramos que modelos treinados com imagens de lâminas da microscopia de material biológico da medula óssea podem ajudar precisamente o especialista na detecção da LV em humanos.