Aplicação de redes adversárias generativas em imagens radiológicas do COVID-19

Resumo

A classificação de imagens tem sido aplicada em diversos problemas reais como análise de dados remotos, reconhecimento facial, detecção de doenças, entre outros. Porém, a obtenção de dados rotulados é uma tarefa custosa, pois demanda tempo, recursos e especialistas. Ademais alguns problemas são muito específicos e apresentam uma classe minoritária. Estes cenários são desafiadores e degradam a performance de algoritmos de aprendizado de máquina. Nestes casos, podemos utilizar abordagens de data augmentation (DA) para aumentar a quantidade de exemplos rotulados em um conjunto de dados. O objetivo deste trabalho é analisar o uso das Redes Adversárias Generativas (GANs do inglês Generative Adversarial Networks), que são redes capazes de sintetizar dados artificiais a partir dos dados originais, sob um processo adversarial de duas redes neurais. As GANs serão aplicadas na classificação de imagens radiológicas do COVID-19 visando melhorar o problema de classes desbalanceadas. (AU)