Podocyte degenerative changes are common in various kidney diseases, and their accurate identification is crucial for pathologists to diagnose and treat such conditions. However, this can be a difficult task, and previous attempts to automate the identification of podocytes have not been entirely successful. To address this issue, this study proposes a novel approach that combines pathologists’ expertise with an automated classifier to enhance the identification of podocytopathies. The study involved building a new dataset of renal glomeruli images, some with and others without podocyte degenerative changes, and developing an automated binary classifier based on Convolutional Neural Networks (CNN). The results showed that the automated classifier achieved an impressive 90.9% f-score. Moreover, when the pathologists used as an auxiliary tool to classify a second set of images, the medical group’s average performance increased significantly, from 91.4±12.5% to 96.1±2.9% of f-score. Fleiss’ kappa agreement among the pathologists also increased from 0.59 to 0.83. These findings suggest that artificial intelligence techniques based on convolutional neural networks can help pathologists correctly identify images of glomeruli with podocyte degeneration, leading to improved individual accuracy and greater agreement in diagnosing podocytopathies. This approach could have significant implications for the diagnosis and treatment of kidney diseases.
O conteúdo dos artigos e seus dados em sua forma, correção e confiabilidade são de responsabilidade exclusiva dos autores. Permitido o download da obra e o compartilhamento desde que sejam atribuídos créditos aos autores, mas sem a possibilidade de alterá-la de nenhuma forma ou utilizá-la para fins comerciais.
A pandemia da Covid-19 acomete a economia do país, uma vez que a comercialização de muitos produtos é reduzida sem a oferta e a procura tradicionais que dependem da população “nas ruas”. Contudo, o isolamento social é necessário para conter o vírus e novas estratégias para continuar mantendo a economia são urgentes. Dentre os personagens da economia mais afetados pelo cenário pandêmico estão os pequenos produtores e os extrativistas, uma vez que dependem principalmente do comércio boca a boca que costuma ser evitado nestas ocasiões. A fim de auxiliar a manutenção dessa atividade econômica, considerada mais sustentável, ferramentas que possibilitam a negociação entre o produtor e o consumidor podem ser uma estratégia eficiente. Desse modo, o objetivo do presente trabalho foi o desenvolvimento do site “Sustentar”, que reúne e divulga imagens e informações dos produtos ofertados pelos pequenos produtores e extrativistas, para estarem acessíveis por todos. Para tanto, levantou-se requisitos básicos junto ao público-alvo, a fim de criar protótipos, que foram testados antes de serem codificados por diferentes tecnologias. O site permite, ainda, o contato entre produtores/extrativistas e cooperativas disponíveis na região do Cerrado, a fim de poderem trabalhar de forma integrada, com a formação de grupos sob uma base cultural comum e obter vantagens fiscais e comunitárias, essenciais para a sobrevivência desse comércio. Uma vez já desenvolvida, espera-se que tal plataforma, armazenada em um servidor Web, possa passar por outras fases de testes e ser, então, divulgada e utilizada pelos setores-alvo e pelo público usuário da internet.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.