Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 561
Aluno: Rodrigo Gomes de Souza
Orientador: Prof. Manoel Eusébio de Lima
Co-orientador: Prof. Wellington Pinheiro dos Santos (UFPE/Eng. Biomédica)
Título: Seleção automática de fatias em volumes de imagens tomográficas:
Estudo de caso no apoio ao diagnóstico da Doença de Alzheimer
Data: 30/06/2022
Hora/Local: 9h – Virtual – Interessados em assistir entrar em contato com o aluno.
Banca Examinadora:
Prof. Abel Guilhermino da Silva Filho (UFPE / Centro de Informática)
Profa. Giselle Machado Magalhães Moreno (USP / Instituto de Astronomia, Geofísica e Ciências Atmosféricas)
Prof. Marcelo Cairrão Araujo Rodrigues (UFPE / Departamento de Fisiologia e Farmacologia)
Prof. Ricardo Emmanuel de Souza (UFPE / Departamento de Engenharia Biomédica)
Prof. Sidney Marlon Lopes de Lima (UFPE / Departamento de Eletrônica e Sistemas)
RESUMO:
Com o advento da Quarta Revolução Industrial, as tecnologias da Indústria 4.0 têm acele-
rado o processo de transformação digital dos sistemas nacionais de saúde, tanto públicos
quanto complementares, incorporando a Inteligência Artificial, a Internet das Coisas, a
Robótica e a Biotecnologia à prática clínica, terapêutica e de gestão de recursos em saúde.
Com a pandemia de Covid-19, também se intensificou o uso de técnicas avançadas de
diagnóstico por imagem. Apesar da sofisticação do diagnóstico por imagem por conta da
possibilidade de gerar laudos rápidos e precisos, esses exames exigem um alto conheci-
mento especialista. Contudo, a dependência do conhecimento especialista humano pode
acarretar em diagnósticos tardios e, por conseguinte, maus prognósticos. Esse problema é
especialmente mais grave quando se consideram imagens volumétricas: estruturas associ-
adas a determinadas doenças com bons prognósticos quando detectadas precocemente
podem ser ignoradas até mesmo por especialistas com grande experiência, por razões
diversas, incluindo aí a fadiga humana, dada a complexidade envolvida na análise humana
de volumes. Devido ao potencial dos impactos à saude pública e à economia de forma geral, a Doença de Alzheimer, DA, tornou-se um dos maiores desafios à ciência na última década. Contudo, grande parte dos estudos que propõem métodos de suporte ao diagnóstico da doença apresentam dificuldades para sua adoção na prática clínica. Este trabalho tem como objetivo geral construir uma metodologia para selecionar planos de visualização e cortes ou fatias em imagens biomédicas volumétricas, de forma que se otimize o diagnóstico por meio da transformação de um problema tridimensional em bidimensional. A seleção da fatia e dos planos de visualização é feita com o auxílio de um algoritmo evolucionário guiado por um classificador. Como estudo de caso, foi escolhido o problema do apoio ao diagnóstico da doença de Alzheimer. Utilizando volumes MRI da base ADNI-3, este estudo apresenta um modelo baseado em computação evolucionária e aprendizado de máquina capaz de identificar e utilizar o conjunto de fatias 2D mais adequado para maximizar cada uma das métrica relacionadas ao diagnóstico da doença de Alzheimer. Por meio de uma seleção ótima de fatias os melhores resultados para especificidade, sensibilidade e acurácia obtidos em cada classe foram respectivamente: normal (94,58%, 81,08%, 86.64%), déficit cognitivo leve (94,83%, 89,32%, 89,89%) e Alzheimer (92,99%, 92,06%, 90,61%) para mulheres, e normal (91,93%, 93,42%, 91.30%), déficit cognitivo leve (98,17%, 80,53%, 86,29%) e Alzheimer (95,86%, 90,91%, 94,31%) para homens. Assim, este trabalho apresenta um modelo para apoiar o diagnóstico de doença de Alzheimer e déficit cognitivo leve, apresentando bom desempenho de classificação, considerando também as informações de gênero para produzir melhorias significativas no diagnóstico da doença de Alzheimer.
Palavras-chave: Seleção automática de fatias. Imagens de ressonância
magnética. Computação evolucionária. Computação Bioinspirada. Doença de
Alzheimer.
Comentários desativados