Banca de QUALIFICAÇÃO: JOAO PAULO SILVA MARTINS

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: JOAO PAULO SILVA MARTINS
DATA: 27/08/2024
HORA: 16:00
LOCAL: ARIA
TÍTULO: Aplicações de Deep Learning no Diagnóstico da Amiloidose Cardíaca: Avaliando a Eficácia de Modelos Computacionais na Prevenção e Tratamento de Cardiopatias
PALAVRAS-CHAVES: Amiloidose Cardíaca. Deep Learning. YOLO. Algoritmos de Rastreamento. Grad-CAM. LIME. SHAP. Diagnóstico Automatizado. Explicabilidade em IA.
PÁGINAS: 73
RESUMO: A amiloidose é uma condição médica rara que se manifesta quando um conjunto de proteínas chamadas amiloides se aglomera nos órgãos e tecidos do corpo humano, formando uma fina camada fibrosa, que pode comprometer o seu funcionamento e causar danos, que na maioria das vezes, são considerados irreversíveis. O acúmulo dessas proteínas no tecido do coração desenvolve o que chamamos de amiloidose cardíaca, uma doença grave que resulta na rigidez e no espessamento das paredes ventriculares, acarretando em problemas como disfunção diastólica, fisiologia restritiva e principalmente insuficiência cardíaca. O diagnóstico precoce dessa doença é um fator crucial para garantir uma recuperação efetiva do paciente, considerando que, em estágios avançados, a sua reversão completa é extremamente difícil, podendo evoluir gradativamente e levar ao óbito. É importante ressaltar que esse diagnóstico exige, do profissional, um alto grau de suspeição clínica, dada a sua baixa prevalência. Com isso, o presente estudo tem como objetivo analisar a eficácia do uso de modelos computacionais no auxílio ao diagnóstico da amiloidose cardíaca. por meio de técnicas de aprendizagem profunda (do inglês, deep learning), visando tornar essa prática mais eficiente e precisa. A pesquisa está dividida em duas abordagens principais: a primeira envolve a segmentação da parede septal em imagens de ecocardiogramas utilizando YOLO e algoritmos de rastreamento para diagnosticar a doença com base nas regiões de interesse e na trajetória dos vídeos em movimento, enquanto a segunda foca na previsão da doença, a partir de imagens retiradas de vídeos de ecocardiogramas, com a comparação de diferentes algoritmos de explicabilidade para verificar sua eficácia em relação às interpretações médicas. Os dados foram coletados de 138 pacientes, incluindo aqueles com amiloidose cardíaca e outras doenças cardíacas. Os resultados iniciais são promissores, indicando alta precisão na segmentação, com acurácia de 92%, sensibilidade de 89%, Medida-F1 de 90,5% e a métrica Interseção sob União de 85%, além de uma continuidade de rastreamento de 88%. Embora a comparação direta dos algoritmos de explicabilidade, como o Grad-CAM, com as interpretações médicas ainda não tenha sido concluída, os resultados preliminares sugerem que esses algoritmos conseguiram destacar áreas relevantes das imagens que potencialmente coincidem com as regiões de interesse clínicas.
MEMBROS DA BANCA:
Presidente - 1743917 - THAIS GAUDENCIO DO REGO
Interno - 2813926 - TIAGO MARITAN UGULINO DE ARAUJO
Externo ao Programa - 3089754 - MARCELO DANTAS TAVARES DE MELO