Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Dr. Elaine’s Clinic (Clínica Dra. Elaine) | - |
Autor(es): dc.creator | Gomes, Ramon Hernany Martins | - |
Autor(es): dc.creator | Perger, Edson Luiz Pontes | - |
Autor(es): dc.creator | Vasques, Lucas Hecker | - |
Autor(es): dc.creator | Gagete, Elaine | - |
Autor(es): dc.creator | Simões, Rafael Plana | - |
Data de aceite: dc.date.accessioned | 2025-08-21T21:21:08Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T21:21:08Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-10-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/life14101256 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/299737 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/299737 | - |
Descrição: dc.description | Background: The skin prick test (SPT) is used to diagnose sensitization to antigens. This study proposes a deep learning approach to infer wheal dimensions, aiming to reduce dependence on human interpretation. Methods: A dataset of SPT images (n = 5844) was used to infer a convolutional neural network for wheal segmentation (ML model). Three methods for inferring wheal dimensions were evaluated: the ML model; the standard protocol (MA1); and approximation of the area as an ellipse using diameters measured by an allergist (MA2). The results were compared with assisted image segmentation (AIS), the most accurate method. Bland–Altman analysis, distribution analyses, and correlation tests were applied to compare the methods. This study also compared the percentage deviation among these methods in determining the area of wheals with regular geometric shapes (n = 150) and with irregular shapes (n = 150). Results: The Bland–Altman analysis showed that the difference between methods was not correlated with the absolute area. The ML model achieved a segmentation accuracy of 85.88% and a strong correlation with the AIS method (ρ = 0.88), outperforming all other methods. Additionally, MA1 showed significant error (13.44 ± 13.95%) for pseudopods. Conclusions: The ML protocol can potentially automate the reading of SPT, offering greater accuracy than the standard protocol. | - |
Descrição: dc.description | Department of Bioprocess and Biotechnology School of Agriculture São Paulo State University (UNESP), Avenue Universitária, 3780, SP | - |
Descrição: dc.description | Medical School São Paulo State University (UNESP), Avenue Prof. Mário Rubens Guimarães Montenegro, s/n, SP | - |
Descrição: dc.description | Dr. Elaine’s Clinic (Clínica Dra. Elaine), 398 Doutor Rodrigues do Lago, SP | - |
Descrição: dc.description | Department of Bioprocess and Biotechnology School of Agriculture São Paulo State University (UNESP), Avenue Universitária, 3780, SP | - |
Descrição: dc.description | Medical School São Paulo State University (UNESP), Avenue Prof. Mário Rubens Guimarães Montenegro, s/n, SP | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Life | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | deep learning applied to diagnosis | - |
Palavras-chave: dc.subject | IgE response | - |
Palavras-chave: dc.subject | measurement of wheal area | - |
Palavras-chave: dc.subject | prick test | - |
Palavras-chave: dc.subject | sensitization to antigens | - |
Título: dc.title | Deep Learning Method Applied to Autonomous Image Diagnosis for Prick Test | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: