Banca de DEFESA: Ricardo Bauchspiess

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : Ricardo Bauchspiess
DATA : 12/11/2024
HORA: 13:00
LOCAL: VIDEOCONFERÊNCIA
TÍTULO:

A Degradation-Robust Deep Learning Framework for MRI Brain Tumor Diagnosis

PALAVRAS-CHAVES:

Tumor cerebral, RM, RNC, artefatos de imagem, restauração de imagens, diagnostico por imagem

PÁGINAS: 129
RESUMO:

Tumores cerebrais são crescimentos anormais de células do cérebro ou do sistema nervoso central, os quais são responsáveis por uma estimativa de mais de 200.000 mottes por ano 19 mundo todo. O prognóstico para pacientes com câncer cerebral pode, porém, ser melhorado com diagnóstico e tratamento precoce. O teste mais recomendado para o diagnóstico de tumores cerebrais é a ressonância magnética (RM) cranial e métodos de inteligência artificial (TA) demonstraram potentcial em aumentar a eficiência de radiologistas e reduzir o erro humano no diagnóstico de tumores do cérebro a partir de imagena de ressonância magnética, Assiu como em outras modalidades de imagens, ressonâncias magnéticas podem ser afetadas por dia-torções ou degradações que pioram a utilidade clínica desses imagens e prejudicam métodos automáticos de diagnóstico por imagem. Para obter um diagnóstico de tumor cerebral a partir de imagens de ressonância magnética 2D de forma robusta contra degradações de imagens, nós propomos uma solução em duas etapas. Na primeira etapa nós utilizamos um modelo trans-former em forma de U, chamado Uformer, para remover distorções e restaurar as imagens e em seguida utilizamos uma tede neural convolucional (RNCi, particularmeute a Efficient) et. para classificar a imagem restaurada e obter um diagnóstico quanto a tumotes cerebrais. Para treinar o modelo de restauração de imageus, nos definitos uma função para gerar um número arbitrário de tipos de distorções em imagens, assim tremando o modelo para remover combinações arbitrárias de degradações em imagens de ressonancia magnética do cérebro. Nossa solução foi testada em imagens coms degradações artifictes e em 5 «atasets que incluiam ins-gens degradadas. Os experimentos testaram dilementes métodos de gerar imagens degradadas para treinamento dos modelos e compararam dilerentes modelos de podes neurais profundas para restauração e classificação de imagens.

MEMBROS DA BANCA:
Presidente - 2131191 - DANIEL GUERREIRO E SILVA
Interno - 1141301 - FRANCISCO ASSIS DE OLIVEIRA NASCIMENTO
Externo ao Programa - 2343453 - CRISTIANO JACQUES MIOSSO RODRIGUES MENDES - UnBExterna à Instituição - FÁTIMA NELSIZEUMA SOMBRA DE MEDEIROS - UFC