DCCMAPI/CCET

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: LUANA BATISTA DA CRUZ
DATA: 20/05/2022
HORA: 08:30
LOCAL: Remoto
TÍTULO: Segmentação automática de rins e tumores renais em imagens de tomografia computadorizada baseada em aprendizado profundo 2.5D
PALAVRAS-CHAVES: Câncer de rim, Segmentação de rim, Segmentação de tumores renais, Redes neurais convolucionais, Aprendizado profundo, Tomografia computadorizada, Imagens médicas.
PÁGINAS: 80
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Processamento Gráfico (Graphics)
RESUMO: O câncer renal é um problema de saúde pública que afeta milhares de pessoas em todo o mundo. A segmentação precisa dos rins e dos tumores renais pode ajudar os especialistas a diagnosticar doenças e melhorar o planejamento do tratamento, o que é importante na prática clínica. No entanto, devido à heterogeneidade dos rins e dos tumores renais, a segmentação manual é um processo demorado e sujeito a variabilidade entre os especialistas. Devido a esse trabalho árduo, técnicas computacionais, como redes neurais convolucionais - CNNs, tornaram-se populares em tarefas de segmentação automática de rins e tumores renais. As redes tridimensionais (3D) apresentam bom desempenho em tarefas de segmentação, mas são complexas e apresentam altos custos computacionais. Assim, as redes bidimensionais são as mais usadas devido ao consumo de memória relativamente baixo, mas não exploram os recursos 3D. Portanto, nesta tese, redes 2.5D, que equilibram o consumo de memória e a complexidade do modelo, são propostas para auxiliar médicos especializados na detecção de rins e tumores renais em tomografia computadorizada (TC). Estas redes estão inseridas em um método proposto organizado em quatro etapas: (1) pré-processamento da base de imagens KiTS19; (2) segmentação inicial dos rins e tumores renais usando os modelos ResUNet 2.5D e DeepLabv3+ 2.5D, respectivamente; (3) reconstrução dos tumores renais usando operação binária; e (4) redução de falsos positivos usando técnicas de processamento de imagem. O método proposto foi avaliado em 210 TCs da base de imagens KiTS19. Na segmentação dos rins, apresentou 97,45% de Dice, 95,05% de Jaccard, 99,95% de acurácia, 98,44% de sensibilidade e 99,96% de especificidade. Na segmentação dos tumores renais, foi obtido 84,06% de Dice, 75,04% de Jaccard, 99,94% de acurácia, 88,33% de sensibilidade e 99,95% de especificidade. De maneira geral, os resultados fornecem fortes evidências de que o método proposto é uma ferramenta com potencial para auxiliar no diagnóstico da doença.
MEMBROS DA BANCA:
Presidente - 1225010 - ARISTOFANES CORREA SILVA
Interno - 407686 - ANSELMO CARDOSO DE PAIVA
Interno - 579.300.403-30 - KELSON RÔMULO TEIXEIRA AIRES
Externo à Instituição - AURA CONCI - UFF
Externo à Instituição - LEANDRO AUGUSTO FRATA FERNANDES - UFF
Co-orientador - 2663672 - JOAO DALLYSON SOUSA DE ALMEIDA