Banca de QUALIFICAÇÃO: EDSON DAMASCENO CARVALHO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: EDSON DAMASCENO CARVALHO
DATA: 07/06/2022
HORA: 13:30
LOCAL: https://meet.google.com/eka-hnpz-siv
TÍTULO: METODOLOGIA COMPUTACIONAL PARA SEGMENTAÇÃO, CLASSIFICAÇÃO E ANÁLISE TEMPORAL DE TUMOR EM IMAGENS DE RESSONÂNCIA MAGNÉTICA DA MAMA
PALAVRAS-CHAVES: Câncer de mama. DCE-MRI. segmentação. classificação. deep learning. análise temporal.
PÁGINAS: 76
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

O câncer de mama é o mais comum entre as mulheres e representa a segunda principal causa de morte em todo o mundo. Com o crescente aumento do número de câncer de mama no mundo, a detecção precoce é uma estratégia para encontrar o tumor em fase inicial e, assim, possibilitar melhor chance de tratamento. Atualmente tem crescido a adoção de exames de imagem para a prevenção, diagnóstico e tratamento do câncer de mama. A Ressonância magnética com realce de contraste dinâmico (DCE-MRI) é um exame minimamente invasivo amplamente utilizado na análise do câncer de mama. A análise da resposta terapêutica do tumor ao tratamento em imagens DCE-MRI tem sido fundamental para o tratamento do paciente. A análise manual de imagens DCE-MRI pelo especialista é extremamente complexa, tornando o processo de análise exaustivo e propício a equívocos. Dessa forma, a vulnerabilidade a erros nesse tipo de análise tornam-se frequentes, o que sugere o desenvolvimento de métodos automáticos para análise de imagens DCE-MRI da mama. Neste trabalho, é proposta uma metodologia automática capaz de segmentar a região do tumor, classificar a malignidade, gerar e analisar os habitats tumorais ao longo do tempo em imagem DCE-MRI da mama. A segmentação do tumor foi realizada usando duas arquiteturas de deep learning. A classificação da malignidade dos tumores foi realizada pelo método da curva 3TP. O algoritmo K-means, juntamente com um índice de diversidade filogenética foi empregado para geração dos habitats tumorais. A metodologia proposta foi testada na base de imagens pública QIN Breast DCE-MRI, apresentando um Dice acima de 90% na segmentação do tumor, uma acurácia de 100% na classificação da malignidade dos tumores e de seus habitats. Já na análise dos volumes no tempo 1 e da similaridade dos habitats tumorais, para os volumes V1 e V2, o método mostrou-se capaz de mensurar quanto a alterações que podem ser indicativos de respostas ao tratamento ministrado no paciente, conseguindo caracterizar as mudanças em 100% dos casos de teste. Os resultados apresentados mostraram-se bastantes promissores, podendo a metodologia proposta ser integrada como um sistema de auxílio ao especialista no tratamento de pacientes com câncer de mama.

MEMBROS DA BANCA:
Presidente - 1126212 - ANTONIO OSEAS DE CARVALHO FILHO
Interno - 2025885 - FLÁVIO HENRIQUE DUARTE DE ARAÚJO
Interno - 2025063 - ROMUERE RODRIGUES VELOSO E SILVA
Externo à Instituição - OTILIO PAULO DA SILVA NETO - IFPI