Banca de QUALIFICAÇÃO: CLÉSIO DE ARAÚJO GONÇALVES

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: CLÉSIO DE ARAÚJO GONÇALVES
DATA: 21/11/2022
HORA: 09:00
LOCAL: meet.google.com/jdh-wfxq-wwi
TÍTULO: Detecção de Leishmaniose Visceral humana utilizando aprendizado profundo em imagens de microscopia do exame parasitológico da medula óssea
PALAVRAS-CHAVES: Aprendizado Profundo; Classificação; Leishmaniose Visceral; Segmentação; Visão Computacional.
PÁGINAS: 77
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

A Leishmaniose Visceral (LV) é uma doença negligenciada que afeta 1 bilhão de pessoas em países tropicais e subtropicais. No Brasil, a LV acarreta cerca de 3.500 casos/ano. A LV é a forma mais grave e pode levar à morte desde que não tratada. Apesar disso, observa-se que a quantidade de casos vem aumentando. Dessa forma, se faz necessário o estudo de tecnologias atuais e seguras para diagnóstico, tratamento e controle da LV. O diagnóstico é realizado em laboratórios especializados, e essa etapa possui grande poder de automação através de métodos automáticos baseados em visão computacional. O padrão-ouro para a detecção de LV é feito pela microscopia do material aspirado da medula óssea (exame parasitológico), tendo como objetivo a busca por amastigotas (forma biológica do parasita no corpo humano). Dessa forma, o objetivo deste trabalho é auxiliar no diagnóstico da LV utilizando técnicas de Visão Computacional e Deep Learning em imagens de lâminas provenientes do exame parasitológico (microscopia) da medula óssea. Essa metodologia é composta por duas etapas: na primeira, há a classificação das imagens em positivo ou negativo para LV; na segunda, os campos classificados como positivos para LV são utilizados como entrada no processo de segmentação de amastigotas, indicando precisamente a área do parasita na imagem. Na classificação das imagens, atingimos uma Acurácia de 99,1%, Precisão de 99,6%, Recall de 98,8%, F1-Score de 99,2% e Kappa de 98,3% em nosso melhor modelo de classificação. Na segmentação das amastigotas nas imagens classificadas como positiva para LV, obtemos um Dice de 80,4%, IoU de 75,2%, Acurácia de 99,1%, Precisão de 81,5%, Sensibilidade de 72,2%, Especificidade de 99,6% e AUC de 86,5\%. Os resultados são promissores e demonstram que modelos de aprendizado profundo treinados com imagens de lâminas da microscopia de material biológico podem ajudar precisamente o especialista na detecção da LV em humanos.

MEMBROS DA BANCA:
Presidente - 2025063 - ROMUERE RODRIGUES VELOSO E SILVA
Interno - 1126212 - ANTONIO OSEAS DE CARVALHO FILHO
Interno - 2025885 - FLÁVIO HENRIQUE DUARTE DE ARAÚJO
Externo à Instituição - BRUNO VICENTE ALVES DE LIMA - IFMA