Notícias

Banca de DEFESA: JUSTINO DUARTE SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: JUSTINO DUARTE SANTOS
DATA: 20/03/2020
HORA: 14:30
LOCAL: Sala de Videoconferência 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: 59
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de 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 da síndrome nefrótica 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 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 modelos. 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%, indicando uma concordância “quase perfeita” com a classificação do especialista.


MEMBROS DA BANCA:
Externo à Instituição - ANGELO AMÂNCIO DUARTE - UEFS
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: 20/02/2020 08:04
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb03.ufpi.br.sigaa 28/03/2024 22:05