Banca de PROPOSTA DE TESE/DISSERTAÇÃO: JUSTINO DUARTE SANTOS
2023-03-23 00:30:55.871
Uma banca de PROPOSTA DE TESE/DISSERTAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: JUSTINO DUARTE SANTOS
DATA: 24/03/2023
HORA: 08:00
LOCAL: Sala Virtual do Google Meet
TÍTULO: Sistema de apoio ao diagnóstico de glomeruloesclerose usando deep-learning
PALAVRAS-CHAVES: Transferência de aprendizado, Diagnóstico auxiliado por computador, Doença renal, Análise de imagem de biópsia de rim.
PÁGINAS: 64
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: A glomeruloesclerose é um doença renal comum, caracterizada pela deposição de tecido
cicatrizado que substitui o parênquima renal. Seu diagnóstico é baseado na análise
histológica de biópsia da região cortical do rim por patologistas para indicar a presença e
a extensão do dano. O diagnóstico é fundamental para orientar o tratamento adequado e
minimizar as chances da doença evoluir para estágios crônicos. O diagnóstico realizado
pelo especialista pode ser uma tarefa demorada e fatigante. Nesse contexto os sistemas
de diagnóstico auxiliado por computador servem ao médico oferecendo-lhe informações
que podem ajudá-lo a diagnosticar doenças de forma mais rápida e menos trabalhosa.
Para identificar glomérulo com esclerose, este artigo propõe um comitê de redes neurais
convolucionais (convolutional neural networks - CNN). Analisamos cinco CNNs - VGG-19,
Inception-V3, ResNet-50, DenseNet-201 e EfficientNet-B2 - para definir o melhor modelo
de CNN, avaliamos várias configurações de camadas totalmente conectadas e realizamos
treinamento em dois estágios: primeiro treinamos somente a parte densa, depois foi feito
um ajuste fino em toda a rede. No total, foram analisados 25 modelos diferentes dos quais
foram selecionados os membros votantes dos comitês formados. Os experimentos foram
realizados em três conjuntos de dados, compostos por 1.062 imagens ao todo, sendo a
metade de cada classe. Ainda aplicamos técnicas de aumento de dados gerando
mais imagens artificialmente no conjunto de treinamento. O uso de comitê reunindo
CNNs baseadas na DenseNet, EfficientNet e ResNet apresentou eficácia na tarefa;
alcançamos acurácia de 93,0% e kappa de 86,1%, considerado excelente. Os resultados
são promissores, mas há pontos nos quais pretendemos avançar: a realização de
experimentos com mais imagens; a avaliação de novas arquiteturas e a inclusão de
outros descritores; avaliação novos comitês bem como outras formas de combinação de
CNNs; aplicação de técnicas de explicabilidade aos modelos.
MEMBROS DA BANCA:
Presidente - 641.754.563-68 - RODRIGO DE MELO SOUZA VERAS
Interno - 030.017.063-76 - ROMUERE RODRIGUES VELOSO E SILVA
Interno - 751.764.243-04 - VINICIUS PONTE MACHADO
Externo à Instituição - LUCAS FERRARI DE OLIVEIRA - UFPR
Externo à Instituição - PEDRO PEDROSA REBOUCAS FILHO - IFCE