Notícias

Banca de QUALIFICAÇÃO: JUSTINO DUARTE SANTOS

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: JUSTINO DUARTE SANTOS
DATA: 23/08/2019
HORA: 08:00
LOCAL: Sala de aula do PPGCC
TÍTULO: Geoestatísticas e Deep Features para diferenciar Glomeruloesclerose Segmentar e Focal de Doença de Lesões Mínimas em Imagens de Biópsia Renal
PALAVRAS-CHAVES: Glomeruloesclerose Segmentar e Focal. Doença de Lesões Mínimas. Classificação de Imagens de Biópsia Renal. Características Profundas. Funções Geoestatísticas. Diagnóstico Auxiliado
PÁGINAS: 73
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

O equilíbrio da química interna de nossos corpos se deve ao trabalho dos rins. Nesses

órgãos vitais se encontram os glomérulos, que são pequenas estruturas responsáveis pela

filtragem do sangue. Através da análise microscópica de biópsias renais os especialistas

diagnosticam várias doenças e é no glomérulo que primariamente se observam alterações.

Dentre as doenças que acometem os rins destacamos a Doença de Lesões Mínimas (DLM)

sendo a causa da síndrome nefrótica em 90% dos pacientes infantis; e a Glomeruloesclerose

Segmentar e Focal (GESF) sendo a causa principal nos pacientes adultos em vários países.

Considerando que tratamentos inadequados podem conduzir à doenças renais crônicas, a

identificação precisa dessas duas doenças é de suma importância, pois seus tratamentos e

prognósticos são diferentes. A análise realizada por patologistas pode se tornar tediosa e

ser afetada por inúmeras situações como fadiga, subjetividade, pressa etc. nesse contexto

estão os sistemas de diagnóstico auxiliado por computador (computer-aided diagnosis -

CAD), que são imunes às condições citadas e servem de suporte ao especialista. Portanto,

propomos um método capaz de diferenciar DLM e GESF através de imagens de exames

patológicos. Em nossa abordagem caracterizamos a imagem por meio da extração de

medidas geoestatísticas, informações de textura tradicionais e deep features de 4 redes

neurais convolucionais, ao todo 13.476 atributos foram avaliados. Foram testados ainda 2

métodos de seleção de características e 3 classificadores, que combinados deram origem a

mais de 300 arquiteturas. Após análises, tomamos as 5 melhores arquiteturas e fizemos

um ajuste de hiper-parâmetros do classificador, com isso alcançamos acurácia de 94,3%

e Kappa igual a 87,9%, o que é considerado uma concordância “quase perfeita” com a

classificação do especialista.


MEMBROS DA BANCA:
Externo ao Programa - 2025885 - FLÁVIO HENRIQUE DUARTE DE ARAÚJO
Presidente - 1579396 - RODRIGO DE MELO SOUZA VERAS
Externo ao Programa - 2025063 - ROMUERE RODRIGUES VELOSO E SILVA
Interno - 1446435 - VINICIUS PONTE MACHADO
Notícia cadastrada em: 12/08/2019 15:16
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb05.ufpi.br.instancia1 20/11/2019 04:42