Banca de QUALIFICAÇÃO: JOSE LUCAS LEITE CALHEIROS

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : JOSE LUCAS LEITE CALHEIROS
DATA : 12/03/2021
HORA: 10:00
LOCAL: Ambiente Virtual
TÍTULO:

DETECÇÃO DE NÓDULOS PULMONARES USANDO SUPRESSÃO DE VASOS COM APRENDIZAGEM PROFUNDA.

PALAVRAS-CHAVES:

Detecção automática de nódulos pulmonares, Supressão de vasos, Aprendizagem Profunda, Câncer de Pulmão, Auxílio Computadorizado ao Diagnóstico

PÁGINAS: 34
RESUMO:

O câncer de pulmão é atualmente a neoplasia maligna mais letal e comum, com 1.8 milhãode mortes e 2.1 milhões de novos casos diagnosticados somente no ano de 2018. Um fatordeterminante atrelado ao pronóstico favorável da doença é o tratamento precoce, se diagnosticadae tratada em estágios iniciais as taxas de sobrevivência no período de 5 anos ultrapassam 70%. Noentanto, maior parcela da doença ainda é detectada e diagnosticada em estágios mais avançados,reduzindo a taxa de sobrevivência geral para 18.6%. O principal método de imagem para detecçãoe diagnóstico do câncer de pulmão é realizado pela análise da tomografia computadorizada peloprofissional radiologista, é um processo extenso e complexo, onde variações interobservador jáforam relatadas. As ferramentas de detecção auxiliada por computador (CADe) visam tornaro processo de detecção mais robusto e confiável ao indicar a provável localização de nódulospulmonares não identificados na análise do radiologista. O estado-da-arte das ferramentas CADeatualmente é composto por modelos de detecção de aprendizagem profunda baseados em redesneurais convolucionais (CNN). Apesar do bom desempenho, esses modelos de detecção aindasofrem com um número relativamente alto de falso-positivos, parte desses falso-positivos sedeve a similaridade de outras estruturas pulmonares aos nódulos. Devido a isso, a integraçãode modelos de detecção de nódulos pulmonares com modelos de segmentação e supressão deestruturas vêm sendo sugeridos para melhorar a capacidade de detecção das ferramentas CADe.Entretanto, essa integração de modelos ainda é pouco explorada na literatura, assim, é necessárioverificar a resiliência desses modelos integrados em diversos cenários adversos durante processode detecção, como quando aplicados em exames de menor qualidade de imagem e com a presençade nódulos precoces. Diante deste contexto, o objetivo principal deste trabalho é verificar se a técnica desupressão de vasos aumenta a acurácia das redes neurais convolucionais na detecção automáticade nódulos precoces. Como objetivo secundário, verificaremos se a detecção automática denódulos pulmonares em exames de LDCT é beneficiada pelo processo de supressão de vasos.

MEMBROS DA BANCA:
Presidente - 1544992 - MARCELO COSTA OLIVEIRA
Interno - 1766576 - THALES MIRANDA DE ALMEIDA VIEIRA
Externo à Instituição - PAULO MAZZONCINI DE AZEVEDO MARQUES - USP