DCCMAPI/CCET

Uma banca de PROPOSTA DE TESE/DISSERTAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: THIAGO JOSE BARBOSA LIMA
DATA: 17/10/2025
HORA: 14:00
TÍTULO: Método automático para segmentação de rins e tumores renais em imagens de TC utilizando abordagens de Deep Learning 3D
PALAVRAS-CHAVES: Câncer renal, Detecção de tumores renais, Aprendizado profundo, Tomografia Computadorizada
PÁGINAS: 50
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: O câncer renal está entre as principais neoplasias malignas e figura entre os tumores mais diagnosticados em adultos no mundo. Geralmente, é descoberto tardiamente e de forma incidental, pois, nos estágios iniciais, tende a ser assintomático. No entanto, quando diagnosticado precocemente, apresenta altas taxas de cura. A tomografia computadorizada (TC) constitui um dos principais métodos de imagem para o diagnóstico dessa patologia, e abordagens computacionais baseadas em redes neurais convolucionais (CNNs) têm se consolidado como ferramentas promissoras para análise automática, incluindo tarefas de detecção, segmentação e classificação de estruturas renais. Neste contexto, este estudo tem como objetivo desenvolver um método automático para segmentação de rins e tumores em imagens de TC. Para isso, foi utilizado o conjunto de dados do Kidney and Kidney Tumor Segmentation Challenge 2023 (KiTS23), que contém 489 exames de TC, abrangendo uma ampla variedade de casos para o treinamento e avaliação dos modelos. O método proposto adota uma abordagem hierárquica em duas etapas, utilizando uma U-Net 3D leve para triagem e seleção de volumes com rins e tumores, seguida por um modelo 3D mais robusto para a segmentação detalhada dos tumores, combinando eficiência computacional e precisão. Além disso, a metodologia empregada considerou a normalização das imagens em unidades Hounsfield (HU), o recorte automático (cropping) das regiões de interesse e a padronização dos volumes, garantindo maior consistência no conjunto de treinamento. Os resultados de segmentação de rins com estrutura de tumores foram Dice de 0.9357, IoU de 0.8861, Sensibilidade de 0.9382 e Especificidade de 0.9994, indicando desempenho robusto. Já a segmentação refinada apenas de tumores, utilizando o modelo mais robusto, alcançou Dice de 0.8528, IoU de 0.7673, Sensibilidade de 0.8739 e Especificidade de 0.9989, demonstrando boa capacidade de identificar e delimitar as lesões tumorais. Os resultados preliminares indicam que tais métodos podem ser incorporados a sistemas CAD voltados para a análise de órgãos e lesões renais, auxiliando especialistas no processo diagnóstico. Entretanto, um desafio importante está relacionado à grande variabilidade dos tumores, que apresentam diferentes níveis de intensidade e tamanhos que vão desde pequenos até volumosos, o que pode impactar a acurácia da segmentação e demanda estratégias mais robustas de modelagem.
MEMBROS DA BANCA:
Presidente - 024.700.053-10 - FLÁVIO HENRIQUE DUARTE DE ARAÚJO
Interno - 030.355.953-56 - ANTONIO OSEAS DE CARVALHO FILHO
Interno - 030.017.063-76 - ROMUERE RODRIGUES VELOSO E SILVA
Externo à Instituição - ANDREA GOMES CAMPOS - UFOP
Externo à Instituição - REGINA CÉLIA COELHO - UNIFESP
Co-orientador - 641.754.563-68 - RODRIGO DE MELO SOUZA VERAS