Banca de DEFESA: TIAGO RODRIGUES PEREIRA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : TIAGO RODRIGUES PEREIRA
DATA : 05/05/2025
HORA: 10:00
LOCAL: Sala de Reuniões da Direção - FCTE / UnB
TÍTULO:

"ESTUDO COMPARATIVO ENTRE MODELOS DE REDES NEURAIS PARA CLASSIFICAÇÃO DE TUMORES EM ULTRASSONOGRAFIA MAMÁRIA"

PALAVRAS-CHAVES:

Palavras-chave: Câncer de Mama, Categorias BIRADS,Redes Neurais Convolucionais (CNN), Vision Transformers, aprendizagem por transferência (transfer learning)

PÁGINAS: 60
RESUMO:

O câncer de mama é o tipo que causa mais óbitos entre as mulheres no Brasil e o diagnóstico precoce eleva o prognóstico de pacientes com essa enfermidade. Dentre as principais técnicas de detecção não invasiva temos ultrassonografia, porém sua eficácia é muito relacionada com a experiência do profissional de saúde que o realiza. Nesse sentido, a proposta desse estudo foi a avaliação de diferentes modelos de redes neurais profundas para classificação de imagens de ultrassom da mama com tumores presentes. Dentre as arquiteturas implementadas, cinco são variantes de redes neurais convolucionais (CNN) e se baseia no vision transformer. Para treinamento, validação e teste foram utilizados banco de dados públicos que contém tanto rótulos patológicos como as categorias BI-RADS. Devido ao pequeno volume de dados foi necessário um aumento de dados artificial e utilizado modelos pré-treinados em conjunto com transfer learning para refinar e melhorar os resultados obtidos. No total foram feitos seis classificações diferentes, uma dos rótulos patológicos e cinco variações de quatro categorias BI-RADS. Sendo também implementado quatro diferentes pré-processamentos para comparação, três utilizando segmentação por ROI e uma a imagem original redimensionada. A melhor arquitetura para classificação patológica, RegNetY-3.2B, alcançou acurácia balanceada de 88,2% e sensibilidade de 82,0%. Enquanto o ViT,melhor para classificação BI-RADS 2 a 5, apresentou sensibilidade média por classe de 70,9% e acurácia balanceada de 87,4%. Os modelos implementados demonstraram desempenho próximo ou superior a outros estudos quando utilizado pré-processamentos com segmentação. O uso da imagem original como entrada apresentou resultados promissores nas arquiteturas CNN propostas.

MEMBROS DA BANCA:
Externo à Instituição - WAGNER COELHO DE ALBUQUERQUE PEREIRA - UFRJ
Presidente - 2343453 - CRISTIANO JACQUES MIOSSO RODRIGUES MENDES
Externo ao Programa - 1780244 - FABIANO ARAUJO SOARES - nullExterno ao Programa - 1984632 - FABRICIO ATAIDES BRAZ - null