07 jun 2023
09:00 Defesa de Mestrado Integralmente a distância
Tema
Análise de Imagens de Pulmão para Detecção da COVID-19 e Classificação da Severidade da Doença
Aluno
Giovanna Vendramini
Orientador / Docente
Hélio Pedrini
Breve resumo
O diagnóstico precoce e preciso da COVID-19 é essencial para controlar a rápida propagação da pandemia e mitigar sequelas na população. Alguns métodos de diagnóstico atuais são eficazes, mas requerem tempo para fornecer resultados e podem sobrecarregar rapidamente as clínicas, demandando análises laboratoriais individuais. Os métodos de detecção automática têm o potencial de reduzir significativamente o tempo de diagnóstico. Para este fim, métodos baseados em aprendizado de máquina usando imagens pulmonares têm sido explorados. Embora exijam equipamento especializado, métodos de avaliação automática podem ser executados de forma ininterrupta, tornando o diagnóstico mais rápido. Os métodos comumente adotados para detecção da pneumonia causada pela COVID-19 em imagens de pulmão são as redes neurais convolucionais e as redes baseadas em atenção. Este trabalho visa explorar algumas abordagens da literatura, tais como as redes neurais convolucionais, redes de segmentação, redes baseadas no mecanismo de atenção, além de propor a MIA-3DCNN, uma rede convolucional tridimensional (3D) que alcançou terceiro e quarto lugares, respectivamente, nas tarefas de detecção da COVID-19 e classificação de severidade na terceira Competição COV19D.
Banca examinadora
Titulares:
| Hélio Pedrini | IC/UNICAMP |
| André Santanchè | IC/UNICAMP |
| Marcelo Zanchetta do Nascimento | FACOM/UFU |
Suplentes:
| Esther Luna Colombini | IC/UNICAMP |
| Ronaldo Cristiano Prati | CMCC/UFABC |