Classificação de níveis neurodegenerativos utilizando deep learning

Abstract

As doenças neurodegenerativas, como o Alzheimer, representam um grande desafio para a medicina moderna devido a sua progressão silenciosa e ao impacto significativo na qualidade de vida dos pacientes e seus familiares. Tradicionalmente, o diagnóstico é realizado por meio de exames clínicos, testes cognitivos e análises de imagens médicas, que muitas vezes envolvem métodos manuais e subjetivos. No entanto, com os avanços da tecnologia, o uso de inteligência artificial e do deep learning tem se mostrado promissor para tornar o processo mais preciso e eficiente. Este trabalho utiliza redes neurais convolucionais (CNNs) e análise de exames de ressonância magnética (IRM) para a classificação de diferentes níveis neurodegenerativos em pacientes com Alzheimer. Além disso, técnicas de processamento de imagens, como a detecção de bordas, são exploradas para aprimorar a segmentação de regiões cerebrais afetadas. O objetivo é desenvolver um modelo capaz de identificar padrões sutis na estrutura cerebral, auxiliando no diagnóstico precoce da doença. Com essa abordagem, espera-se contribuir para a criação de ferramentas computacionais que possam apoiar profissionais da saúde no diagnóstico do Alzheimer, tornando-o mais confiável. Dessa forma, este estudo busca aliar tecnologia à área médica, oferecendo soluções que impactem positivamente na vida dos pacientes.