Banca de QUALIFICAÇÃO: JACKS RENAN NEVES FERNANDES

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: JACKS RENAN NEVES FERNANDES
DATA: 28/07/2023
HORA: 09:00
LOCAL: UFDPAR
TÍTULO: Sistema de Auxílio ao Diagnóstico da Hanseníase com Aplicação de Técnicas de Inteligência Artificial.
PALAVRAS-CHAVES: Hanseníase; Diagnóstico; Inteligência Artificial; Aprendizado de Máquina; Aprendizado Profundo.
PÁGINAS: 100
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

A hanseníase é uma Doença Tropical Negligenciada (DTN) que continua sendo uma preocupação global devido ao seu alto índice de morbidade, sua ampla distribuição geográfica e o impacto negativo nas condições físicas e psicológicas das pessoas afetadas. O diagnóstico da doença apresenta desafios significativos devido à falta de sintomas em estágios iniciais, semelhança com outras condições dermatológicas e a ausência de um teste padrão-ouro. Nesse sentido, o objetivo deste trabalho foi criar um modelo de inteligência artificial (IA) para auxiliar no diagnóstico não invasivo da hanseníase por meio da análise de imagens de lesões na pele. Para esta proposição, foi implementada uma aplicação web emJavaScript, bibliotecaReact JSde código aberto para ofront-end. Oback-ende a base de dados em Node.jsframeworkserver-side, em conjunto com o MongoDB, permite o acesso aApplication Programming Interface(API) de IA. Foi implementada a versão móvel integrada à plataforma, emJavaScript, bibliotecaReact Nativede código aberto paraAndroidouiOS,back-ende base em Node.js com MongoDB, para captura da imagem da lesão na pele do indivíduo. Foi implementado, ainda, umaaplicaçãomóvelparaacompanhamentodopacientenotratamento poliquimioterápico, com as mesmas ferramentas e recursos do outro aplicativo. No procedimento experimental, foi utilizado para a construção do primeiro modelo de IA, odatasetISIC de grande escala contendo diferentes tipos de lesões de pele. O treinamento foi realizado com arquitetura ResNet-50, definidos os hiperparâmetros e identificada a melhor época para transferência de aprendizagem. Posteriormente, foi construído o segundo modelo, utilizando odatasetda ArcaDados, autorizado pela FIOCRUZ, contendo imagens de lesões na pele de hanseníase e outras dermatoses, com arquitetura ResNet-50, ajustados os hiperparâmetros, aplicadas técnicas de aumento de dados e transferência de aprendizagem. Ao final, foi avaliada a qualidade das previsões do modelo comparando os resultados com o modelo da FIOCRUZ,o qualfoi utilizado comobaseline. Como resultados parciais, nosso modelo apresentou um desempenho 6% superior comparado ao modelo de referência. Foi concluído que essa melhoria pode ser atribuída ao uso da transferência de aprendizagem e aumento de dados. No entanto, reconhece-se que aindaexistemoportunidadesparaaprimoraromodelonaclassificaçãoda hanseníase pela análise de imagens de lesão na pele.

MEMBROS DA BANCA:
Externo ao Programa - 015.753.933-44 - ARIEL SOARES TELES - IFMA
Externo à Instituição - FRANCISCO VICTOR COSTA MARINHO - NENHUMA
Interno - 1761994 - VICTOR HUGO DO VALE BASTOS