Banca de DEFESA: LUIS OTÁVIO SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: LUIS OTÁVIO SANTOS
DATA: 24/06/2022
HORA: 08:30
LOCAL: Remoto - Google meeting
TÍTULO:

TRIAGEM DE COVID-19: UM SISTEMA COM MÚLTIPLA
INTERPRETABILIDADE BASEADO EM DEEP LEARNING CAPAZ
DE DETERMINAR A SEVERIDADE DA LESÃO PULMONAR

PALAVRAS-CHAVES:

COVID-19, Diagnosis, Screening, Deep Learning, Computer Vision.

PÁGINAS: 165
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de Computação
ESPECIALIDADE: Arquitetura de Sistemas de Computação
RESUMO:

A COVID--19 é uma doença de nível pandêmico que já conseguiu ceifar milhares de vidas ao redor do mundo. Desde o início da pandemia, pesquisas vêm sendo realizadas em busca da imunização (vacina), triagem e diagnóstico por parte de pesquisadores da área Médica, e também pelo diagnóstico automático por parte das áreas de Engenharia, Ciência da Computação e Estatística, utilizando a inteligência computacional para identificar pacientes infectados.
Neste trabalho são reunidos materiais (dados) e informações teóricas sobre as principais técnicas disponíveis para construção de um sistema completo de triagem de pacientes, com base na análise automática por meio de modelos de inteligência computacional.
Como material foram utilizadas imagens de tomografia pulmonar, as quais foram segmentadas buscando a região de interesse (os parênquimas pulmonares), utilizando modelos de segmentação semântica. Em seguida, estas imagens foram utilizadas para treinar o modelo \textit{Vision Transformer}, um modelo baseado em mecanismos de atenção que permite a explicabilidade de suas classificações. Por fim, foram utilizados modelos de segmentação para identificar as duas principais lesões que são geradas pela ação do vírus no pulmão. Os resultados experimentais para os modelos de segmentação dos pulmões atingiram um índice \textit{Dice} de $97\%$ aproximadamente. Modelos de classificação atingiram uma sensibilidade de $91\%$ aproximadamente, precisão e especificidade de $98\%$ aproximadamente. Enquanto o modelo de segmentação de lesões atingiu um índice \textit{Dice} de aproximadamente $85\%$ para consolidação, e um índice \textit{Dice} de aproximadamente $77\%$ para opacidade em vidro fosco.

MEMBROS DA BANCA:
Externo à Instituição - DANTE COAQUIRA BEGAZO - USP (Suplente)
Interno - DANTON DIEGO FERREIRA (Membro)
Interno - WILIAN SOARES LACERDA (Membro)
Externo ao Programa - RENATA LOPES ROSA - DCC/ICET (Suplente)
Externo à Instituição - MIGUEL ARJONA RAMIREZ - USP (Membro)
Presidente - DEMOSTENES ZEGARRA RODRIGUEZ (Membro)