Avaliação de modelos computacionais aplicados na classificação de hemorragias intracranianas pós-traumáticas

Traumatic brain injuries (TBIs) are a problem for society as they often result in post-traumatic intracranial hemorrhages (ICHs) responsible for high morbidity and mortality. Its outcomes are even worse when they occur in small municipalities, far from large centers, whose hospital infrastructure does not have specialized professional teams. In these places, the recognition of these pathologies is sometimes delayed, or even not carried out, due to the need to transfer patients to other hospitals. Some of these locations have resources for the acquisition of computerized tomographs, essential for the diagnosis of ICHs, but they have insufficient budgets for the maintenance of permanent professional staff. Therefore, the development of a computational tool capable of recognizing HICs based on the automated classification of tomographic images performed at these locations would be very useful. Classifiers based on Artificial Neural Networks (ANN), SVM (Support Vector Machines) and KNN, are already widely used as proposals for technological solutions in several areas. Because of this, these three models were tested as alternatives to the development of a computational tool used for the classification of ICHs. The predictions of the ANN and KNN models proved to be correct 89 and 85 % of the time, respectively, in the training phase. In the test phase, the predictions of the three models were correct 98% of the time. This type of tool would allow emergency services in small towns to perform quick diagnoses and transfer their patients to more complex hospitals when really indicated.Trabalho de Conclusão de Curso (Graduação)Os traumas crânio encefálicos (TCEs) são um problema para a sociedade pois resultam frequentemente em hemorragias intracranianas pós-traumáticas (HICs) responsáveis por elevada morbimortalidade. Seus desfechos são ainda piores quando incidem em pequenos municípios, distantes dos grandes centros, cujas infraestruturas hospitalares não contam com equipes profissionais especializadas. Nestes locais o reconhecimento destas patologias por vezes é retardado, ou mesmo não realizado, em virtude da necessidade de remoção dos pacientes para outros centros hospitalares. Algumas destas localidades possuem recursos para a aquisição de tomógrafos computadorizados, essenciais para o diagnóstico de HICs, porém possuem orçamentos insuficientes para a manutenção de quadros profissionais permanentes. Portanto, o desenvolvimento de uma ferramenta computacional capaz de reconhecer HICs baseada na classificação automatizada de imagens tomográficas realizadas nestes locais seria muito útil. Classificadores baseados em Redes Neurais Artificiais (ANN), SVM (Support Vector Machines) e KNN, já são amplamente utilizados como propostas a soluções tecnológicas em várias áreas. Devido a isso, estes três modelos foram testados como alternativas ao desenvolvimento de uma ferramenta computacional utilizada para a classificação de HICs. As previsões dos modelos ANN e KNN demonstraram estar corretas em 89 e 85 % das vezes, respectivamente, na fase de treinamento. Na fase de teste, as previsões dos três modelos se mostraram corretas em 98 % das vezes. Esse tipo de ferramenta possibilitaria que os serviços de urgência de pequenas cidades realizassem rápidos diagnósticos e transferissem seus enfermos para hospitais de maior complexidade quando realmente indicado