Título: Sistema Inteligente para Classificação de Isquemia e Infecção em Úlcera do Pé Diabético
Autores: Lívia Marques Rodrigues, Priscila Peruzzo Apolinário, Bruno da Silva Macêdo, Júlio César Sousa Lima, Ana Cláudia Barbosa Honorio Ferreira, Maria Helena de Melo Lima & Danton Diego Ferreira
Resumo: A classificação de isquemia e infecção emúlceras do p é diabético é um desafio clínico com impacto direto na prevenção de amputações. Este estudo propõe um sistema inteligente baseado em classificadores tradicionais, com foco na sustentabilidade e baixo custo computacional. Foram comparados métodos como One Class Principal Curves (OCPC), Random Forest (RF), Gradient Boosting e Multilayer Perceptron (MLP), com e sem o pr é-processamento via Análise de Componentes Principais (PCA), avaliando não apenas métricas de desempenho, mas também tempo de predição e pegada de carbono (CO2eq) durante o treinamento e durante a predição de um indivíduo. O melhor resultado foi alcançado pelo XGBoost, com acurácia de 0.92 na classificação de isquemia e 0.75 na de infecção, superando a abordagem baseada em aprendizado profundo, tanto em desempenho quanto em custo computacional, demonstrando que abordagens mais simples podem oferecer soluções competitivas com aquelas oferecidas por modelos de aprendizado profundo, e viáveis para aplicações em larga escala, especialmente em contextos de recursos limitados.
Palavras-chave: Artificial Intelligence; Machine Learning; Carbon Footprint; Sustainability; Low Computational Cost.
Páginas: 8
Código DOI: 10.21528/CBIC2025-1174218
Artigo em PDF: CBIC_2025_paper1174218.pdf
Arquivo BibTeX:
CBIC_2025_1174218.bib