PPGCC/CCET

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: JOSE RIBAMAR DURAND RODRIGUES JUNIOR
DATA: 27/02/2025
HORA: 14:30
LOCAL: https://meet.google.com/gxn-wxff-nka
TÍTULO: HistAttentionNAS: Uma CNN construída via NAS para o diagnóstico do câncer do pênis usando imagens histopatológicas
PALAVRAS-CHAVES: Câncer de pênis, Imagens histopatológicas, Aprendizado profundo, Redes neurais convolucionais, Pesquisa de arquitetura neural, Mecanismos de atenção.
PÁGINAS: 80
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: O câncer de pênis (CP) é uma neoplasia rara que, embora pouco frequente em países desenvolvidos, apresenta incidência alarmante em determinadas regiões de países em desenvolvimento. Seu diagnóstico precoce é fundamental para melhorar o prognóstico e reduzir a necessidade de intervenções cirúrgicas mutiladoras. A análise histopatológica permanece como o padrão ouro para diagnóstico, porém envolve processos subjetivos que podem atrasar o laudo e gerar divergências entre especialistas. Nesse sentido, o aprendizado profundo tem se mostrado promissor ao agilizar e padronizar avaliações, auxiliando patologistas na identificação de padrões relevantes. Este trabalho propõe uma metodologia para a classificação de CP em imagens histopatológicas digitais. Inicia-se com a preparação dos dados, balanceando as classes por meio de transformações geométricas e aplicando diferentes técnicas de pré-processamento e perturbações de cor. Em seguida, um processo de Pesquisa de Arquitetura Neural é empregado para definir, de forma automatizada, a melhor combinação de blocos iniciais (stem) e mecanismos de atenção nos estágios principais (backbone) da rede, otimizando a extração de texturas e informações discriminativas. Nos experimentos realizados, as arquiteturas otimizadas apresentaram valores de F1-Score de 0,927 em 40x e 0,958 em 100x, confirmando a eficácia da estratégia. Comparações com trabalhos relacionados na mesma base mostram resultados competitivos, em particular na ampliação de 100x, mesmo sem o uso de grandes bases externas ou transferência de aprendizado. Conclui-se que o balanceamento de classes, a configuração do pré-processamento e aumento de representatividade, aliados à automação via NAS, potencializam o desempenho da classificação de câncer de pênis.
MEMBROS DA BANCA:
Presidente - 2582240 - GERALDO BRAZ JUNIOR
Interno - 3056639 - DARLAN BRUNO PONTES QUINTANILHA
Interno - 2663672 - JOAO DALLYSON SOUSA DE ALMEIDA
Externo à Instituição - CLAUDIO DE SOUZA BAPTISTA - UFCG