Banca de DEFESA: RODRIGO DO NASCIMENTO BORGES

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: RODRIGO DO NASCIMENTO BORGES
DATA: 21/09/2026
HORA: 08:00
LOCAL: Sala de Vídeoconferência do PPGCC
TÍTULO: Classificação automatizada de Helicobacter pylori em biópsias gástricas com adaptabilidade entre domínios de coloração
PALAVRAS-CHAVES: histopatologia, aprendizado profundo, helicobacter pylori, patologia digital, redes neurais convolucionais, cross-stain
PÁGINAS: 70
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

e representa um fator de risco significativo para o desenvolvimento de úlceras pépticas

e câncer gástrico. No Brasil, estudos indicam uma prevalência de 31,70% em pacientes

submetidos à endoscopia na região Sudeste, sendo mais frequente no sistema público de

saúde, com 42,00% dos casos, em comparação aos 25,60% registrados na rede privada. O

diagnóstico histopatológico, considerado padrão-ouro, baseia-se na análise visual realizada

por patologistas, um processo que demanda tempo considerável e está sujeito à variabilidade

entre observadores. Além disso, as diferenças nos protocolos de coloração histológica, como

H&E, Giemsa e Warthin-Starry, juntamente com a escassez de bases de dados públicas,

representam obstáculos relevantes ao desenvolvimento de sistemas automatizados robustos.

Este trabalho propõe uma abordagem automatizada de classificação binária da presença

de H. pylori em patches histológicos, com foco na robustez frente às variações entre os

protocolos H&E e Giemsa. A metodologia empregou dois conjuntos públicos de imagens

— o DeepHP, com 394.926 imagens coradas com H&E, e o dataset Giemsa, com 24.901

imagens —, além da aplicação de nove arquiteturas de redes neurais convolucionais prétreinadas,

incluindo VGG, ResNet, DenseNet, MobileNet e Xception. Foram utilizadas

também técnicas de aumento de dados, validação cruzada estratificada e formação de

comitês por voto majoritário. Os experimentos de transferência entre domínios revelaram

uma assimetria importante: modelos treinados com imagens H&E mantiveram desempenho

elevado ao serem testados em Giemsa, alcançando até 95,50% de acurácia, enquanto o

processo inverso resultou em queda significativa de desempenho, com máximo de 71,29%.

O treinamento com um conjunto híbrido de imagens mitigou efetivamente o domain

gap, promovendo maior equilíbrio nos resultados, com acurácias variando entre 90,21% e

97,91%. O comitê de melhor desempenho — formado pelos modelos VGG19, VGG16 e

MobileNetV2 — obteve acurácia de 99,58%, índice Kappa de 99,16% e AUC de 0,99, além

de reduzir a taxa de falsos negativos para apenas 0,006%. Esses resultados demonstram que

a combinação estratégica de modelos especializados em diferentes protocolos de coloração

constitui uma abordagem eficaz para a classificação robusta de H. pylori, oferecendo

potencial relevante como ferramenta de apoio diagnóstico na histopatologia gástrica.

MEMBROS DA BANCA:
Presidente - 1579396 - RODRIGO DE MELO SOUZA VERAS
Interno - 1177449 - IVAN SARAIVA SILVA
Interno - 1350246 - KELSON ROMULO TEIXEIRA AIRES
Interno - 1446435 - VINICIUS PONTE MACHADO
Externo à Instituição - 131.***.***-96 - PAULO EDUARDO AMBROSIO - UESC-BA