Banca de DEFESA: JUSTINO DUARTE SANTOS

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: JUSTINO DUARTE SANTOS
DATA: 07/10/2024
HORA: 08:00
LOCAL: Sala de Vídeoconferência do PPGCC
TÍTULO: Diagnóstico de glomeruloesclerose usando comitês de redes neurais convolucionais
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:

 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:
Externo à Instituição - LUCAS FERRARI DE OLIVEIRA - UFPR
Externo à Instituição - PEDRO PEDROSA REBOUCAS FILHO - IFCE
Presidente - 1579396 - RODRIGO DE MELO SOUZA VERAS
Interno - 2025063 - ROMUERE RODRIGUES VELOSO E SILVA
Interno - 1446435 - VINICIUS PONTE MACHADO