O projeto GlobalEyeh é uma iniciativa voltada para o uso de algoritmos avançados de classificação de imagens no campo da medicina tradicional. Seu principal objetivo é desenvolver e aplicar tecnologias capazes de revolucionar a forma como diagnósticos e triagens médicas são conduzidos. Através da implementação de inteligência artificial, o projeto visa automatizar processos complexos, tornando-os mais rápidos e eficientes, ao mesmo tempo que aprimora a precisão na detecção de doenças. Com isso, o GlobalEyeh busca não apenas melhorar a qualidade dos diagnósticos, mas também proporcionar novos métodos de triagem automatizada, integrando-se ao sistema de saúde para otimizar o atendimento e fornecer suporte adicional aos profissionais da área.

O que é classificação de imagens?

Classificação de imagens é uma técnica dentro da área de visão computacional e aprendizado de máquina que envolve identificar e atribuir rótulos ou categorias a uma imagem com base em seu conteúdo visual. O objetivo da classificação de imagens é ensinar um algoritmo a reconhecer padrões específicos dentro de uma imagem para que ele possa categorizar automaticamente novas imagens.

Para realizar essa tarefa, o processo geralmente segue algumas etapas principais:

1. 1. Pré-processamento de Imagens: As imagens são preparadas para o algoritmo, podendo ser redimensionadas, normalizadas ou ajustadas para remover ruídos e melhorar a qualidade.

2. 2. Extração de Características: Características importantes da imagem, como cores, formas, texturas e bordas, são extraídas para representar o conteúdo da imagem de forma compacta.

3. 3. Treinamento do Modelo: Um algoritmo de aprendizado de máquina, como uma rede neural convolucional (CNN), é treinado usando um grande conjunto de dados rotulados. O algoritmo aprende a mapear os padrões extraídos das imagens para categorias ou classes específicas, como “gato”, “cachorro” ou “carro”.

4. 4. Classificação: Após o treinamento, o modelo pode ser utilizado para classificar novas imagens, atribuindo um rótulo predefinido com base nos padrões que ele aprendeu.

Até por volta de 2011, os métodos de classificação de imagens eram baseados em técnicas e algoritmos estatísticos, como o K-Nearest Neighbors (K-NN) e as Máquinas de Vetores de Suporte em inglês Support Vector Machines (SVM) [1,2]. O grande desafio desses métodos na tarefa de classificar imagens é que eles dependem fortemente de extração manual de características das imagens, como bordas e texturas, por esse motivo, eles são hoje considerados obsoletos, embora úteis em diversos outros tipos de aplicações.

1. 
   A verdadeira revolução na classificação de imagens começou com o surgimento das redes neurais convolucionais em inglês, Convolutional Neural Network (CNN). Inspiradas pela estrutura do cérebro humano, as CNNs são capazes de aprender automaticamente características relevantes a partir de imagens, sem a necessidade de extração manual de características.