Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.265
Aluno: Victor Gabriel Ferreira Barbosa
Orientador: Prof. Leandro Maciel Almeida
Coorientador: Prof. Fernando Maciano de Paula Neto
Título: Análise multimodal baseada em visão e linguagem do leiomioma uterino: da identificação de características histopatológicas à geração automática de descrições”
Data: 29/01/2026
Hora/Local: 9h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. Tsang Ing Ren (UFPE / Centro de Informática)
Prof. Arthur Tenorio Ribeiro Clark (UFPB / Departamento de Ciências Biomédicas)
Prof. Leandro Maciel Almeida (UFPE / Centro de Informática)
RESUMO:
O leiomioma uterino é o tipo mais comum de tumor benigno no útero, sendo
identificado entre o período de 2018 a 2024, 618.032 casos no Brasil.
Possui sintomas variados, indo desde casos assintomáticos até casos que
causam infertilidade. Apesar da alta prevalência do leiomioma uterino,
observa-se uma lacuna quanto à existência de bases de dados ou estudos
dedicados especificamente à análise de suas características
histopatológicas por meio de inteligência artificial. No presente trabalho,
foi realizada a construção de uma base de dados de imagens e descrições
histopatológicas extraídas de artigos da literatura relacionados ao
leiomioma, bem como o refinamento, em conjunto com patologistas, de uma
base de dados de imagens e descrições de tecidos do miométrio normais e com
leiomioma.
Estas bases foram empregadas no treinamento de um modelo SigLIP, aplicado à
identificação de características histopatológicas nos tecidos, como a
presença de vasos, fibroplasia e compactação do estroma. O modulo de visão
do SigLIP foi utilizado em conjunto com o modelo de linguagem SmolLM2 para
a construção de um modelo de visão-linguagem voltado à geração de
descrições acerca dos tecidos analisados utilizando as mesmas bases de
dados. Ao empregar modelos pequenos, foi possível a realização do
treinamento utilizando apenas uma GPU de uso doméstico.
Com a disponibilização dos dados refinados, almeja-se fomentar pesquisas
futuras na área. Ao gerar descrições de tecidos e identificar
características histopatológicas relevantes para o diagnóstico de
leiomioma, com resultados validados por especialistas, os modelos
desenvolvidos podem otimizar e aprimorar o diagnóstico da doença, uma vez
que, na patologia, a análise de amostras de tecidos é primariamente manual,
além de facilitar o aprendizado de estudantes na área.
Palavras-chave: Leiomioma, mioma uterino, patologia, segmentação,
identificação de características histopatológicas, geração de descrições,
modelos multimodais, pequenos modelos de linguagem
Comentários desativados