DCCMAPI/CCET

Uma banca de PROPOSTA DE TESE/DISSERTAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: ALEXANDRE DE CARVALHO ARAUJO
DATA: 12/04/2024
HORA: 09:00
LOCAL: Híbrida - Auditório do NCA/CCET e Google Meet
TÍTULO: Segmentação de pâncreas e massas pancreáticas em exames de tomografia computadorizada utilizando aprendizado profundo
PALAVRAS-CHAVES: Segmentação, Pâncreas, Massas Pancreáticas, Tomografia Computadorizada, Aprendizado profundo.
PÁGINAS: 60
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Processamento Gráfico (Graphics)
RESUMO: O câncer apresenta um dos problemas mais fundamentais da biologia moderna. A segunda maior causa de morte globalmente, o câncer foi responsável por cerca de 10 milhões de mortes em 2020. Comparado a outros tipos de cânceres, o câncer pancreático é relativamente raro. Alguns dos sintomas associados a esse câncer são: perda de peso, icterícia, dores, anemia, dentre outros. O prognóstico para o câncer pancreático é desfavorável. A taxa de sobrevivência para o câncer pancreático está entre as piores, entre todos os tipos de tumores, com uma taxa de mortalidade de 98%. O diagnóstico na fase inicial da doença é o principal fator que define o prognóstico. Uma das principais dificuldades do diagnóstico precoce do câncer de pâncreas é a identificação de massas pequenas em exames de imagem, como a ultrassonografia abdominal, a tomografia computadorizada e a ressonância magnética. Os exames de imagem são as principais ferramentas utilizadas para o diagnóstico precoce. Logo, a identificação dessas massas nos estágios iniciais desse tipo de câncer melhora o prognóstico. Tecnologias que suplementem esses exames baseados em imagem são necessárias. Este trabalho possui como objetivo desenvolver um método automático especializado na segmentação do pâncreas e massas no pâncreas em exames de tomografia computadorizada utilizando Aprendizagem Profunda. O método proposto até o momento realiza o processo em duas etapas, a segmentação do pâncreas e a segmentação da massa. Para a segmentação do pâncreas, a combinação da EfficientNetb7 com a U-Net alcançou resultados promissores, com Dice médio de 85,39 ± 2,39% na base NIH e 85,96 ± 02,08% na base MSD. Para a segmentação da massa, está em desenvolvimento uma rede baseada em U²-Net que utiliza segmentação em dois estágios através da concatenação de arquiteturas. Até o momento, os resultados obtidos foram de Dice 53 ± 6,02% na base MSD.
MEMBROS DA BANCA:
Presidente - 2663672 - JOAO DALLYSON SOUSA DE ALMEIDA
Interno - 030.355.953-56 - ANTONIO OSEAS DE CARVALHO FILHO
Interno - 1225010 - ARISTOFANES CORREA SILVA
Externo à Instituição - DEBORA CHRISTINA MUCHALUAT SAADE - UFF
Externo à Instituição - SANDRA ELIZA FONTES DE AVILA - UNICAMP
Co-orientador - 407686 - ANSELMO CARDOSO DE PAIVA