Banca de DEFESA: Josue Nascimento da Silva

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : Josue Nascimento da Silva
DATA : 29/09/2023
HORA: 10:00
LOCAL: Sala de reuniões da direção / UED / FGA
TÍTULO:

GERAÇÃO AUTOMÁTICA DE LAUDOS EM EXAMES DE RAIOS-X DE TÓRAX COM EXPLICABILIDADE BASEADA EM ATENÇÃO APLICADA A UMA REDE NEURAL RECORRENTE

PALAVRAS-CHAVES:

Radiologia, Geração textual, Encoder-Decoder, ExplainedAI.

PÁGINAS: 54
RESUMO:

Problemas específicos relacionados à análise de exames radiológicos têm sido amplamente documentados por pelo menos 50 anos. Entre as principais circunstâncias que levam a erros de diagnóstico, destacam-se avaliações realizadas por médicos em estágios iniciais de carreira, comunicação inadequada entre membros da equipe, jornadas noturnas, mudanças de turno e raciocínio falho.

Neste sentido, o uso de inteligência artificial como ferramenta para tomada de decisão e diagnóstico tem o potencial de auxiliar os profissionais de saúde a obter maior precisão e sensibilidade em suas análises, melhorando o tratamento dos pacientes. Nesse contexto, o objetivo deste trabalho é desenvolver uma arquitetura de modelo de inteligência artificial do tipo encoder-decoder capaz de gerar automaticamente laudos médicos com informações específicas extraídas das imagens dos exames. A ideia é que essas informações nas imagens reflitam os aspectos que orientam as decisões e análises indicadas no texto do laudo, representando uma contribuição em relação às abordagens predominantes na literatura, que geralmente se limitam apenas ao texto em si.

Com esse objetivo, foram utilizadas imagens de raio-X juntamente com seus respectivos laudos. Foi desenvolvida uma rede encoder baseada na arquitetura Densenet121 para extrair características dos exames, que são posteriormente traduzidas por um decoder baseado em transformers, permitindo aprender as relações semânticas entre as palavras, juntamente com a técnica de long short term memory (LSTM) para a geração dos laudos.

Para relacionar as regiões das imagens com as palavras geradas, foi aplicada a técnica de spatial attention, que captura as regiões mais relevantes para a produção de palavras específicas pelo modelo. Esse processo foi aplicado em cinco condições: lung hypoinflation, lung hyperdistention, cardiomegaly, aorta tortuous e spine degenerative, resultando em cinco redes encoder-decoder. Durante o treinamento, foram obtidos valores de F1-score de 76\% e área sob a curva (AUC) de 80\% para o encoder. Os encoders foram avaliados utilizando validação cruzada para verificar sua capacidade de generalização em relação aos dados utilizados. Quanto ao decoder, na produção dos laudos, foram avaliados utilizando a métrica recall-oriented understudy for gisting evaluation (ROUGE), obtendo valores médios de 0.32. 

Conclui-se que a arquitetura proposta é capaz de gerar laudos e marcações nas imagens dos exames, podendo servir como suporte para tomadas de decisões médicas.

MEMBROS DA BANCA:
Externo à Instituição - ANDRÉ COUTINHO CASTILLA
Presidente - 2343453 - CRISTIANO JACQUES MIOSSO RODRIGUES MENDES
Externo ao Programa - 1780244 - FABIANO ARAUJO SOARES - nullInterno - 1985245 - NILTON CORREIA DA SILVA