A esteatose hepática não alcoólica (DHGNA) é a doença de fígado de maior incidência no mundo, afetando cerca de 1,5 bilhão de pessoas. Ela possui uma alta taxa de mortalidade e, se não for diagnosticada e tratada cedo, pode evoluir para sérias complicações no fígado, portanto seu diagnóstico deve ser rápido e eficiente. A aferição da temperatura do corpo humano via termografia é um método não invasivo para detectar a DHGNA. Neste contexto, o objetivo deste trabalho é apresentar um método para classificação de DHGNA em imagens de termografia de fígado. Utilizando redes neurais convolucionais e técnicas de processamento de imagens, o método proposto foi capaz alcançar uma acurácia de 96%, sensibilidade de 91% e especificidade 97%.

No abstract