13 fev 2025
14:00 Defesa de Mestrado Por videoconferência
Tema
Rumo à Detecção Automática de Biomarcador de Mesotelioma Pleural em Imagens 4D de Ressonância Magnética Dinâmica
Aluno
Táylla Milena Theodoro
Orientador / Docente
Alexandre Xavier Falcão
Breve resumo
O mesotelioma pleural (MP) é um câncer raro e agressivo associado à exposição ao amianto, caracterizado por mau prognóstico e ferramentas diagnósticas limitadas. A detecção precoce permanece um desafio significativo devido à anatomia complexa da pleura e ao padrão de crescimento difuso do mesotelioma. Embora biomarcadores de Realce Precoce de Contraste (ECE) derivados de imagens de ressonância magnética dinâmica com contraste (DCE-MRI) ofereçam potencial para a detecção de malignidades, sua aplicação clínica tem sido limitada por processos de segmentação manuais intensivos e pela variabilidade dependente do operador. Este estudo propõe uma metodologia automatizada e inovadora para abordar esses desafios, aproveitando técnicas avançadas de processamento de imagens para detectar biomarcadores ECE em conjuntos de dados DCE-MRI em 4D (3D+t). A metodologia inclui quatro etapas: (1) pré-processamento das imagens utilizando Normalização Simétrica (SyN) para alinhar sequências de imagens e padronizar o espaçamento dos voxels, (2) segmentação semi-automática para gerar máscaras das regiões de fluido pleural e pleura, (3) representação das regiões pleurais ao longo do tempo usando supervoxels (superspels) e (4) classificação automatizada da malignidade baseada em padrões de ECE. O estudo demonstra a viabilidade de reduzir intervenções manuais mantendo a precisão diagnóstica. Análises comparativas de métodos de supervoxels (SLIC e DISF) destacam seu potencial para gerar descritores de dados confiáveis em casos malignos e benignos. O pipeline proposto alcança resultados de classificação comparáveis às abordagens manuais anteriores, criando uma base para implantação clínica escalável e inclusão precoce de pacientes em ensaios de mesotelioma. Trabalhos futuros incluem o refinamento da precisão da segmentação e a integração de aprendizado de máquina para uma detecção aprimorada de biomarcadores.
Banca examinadora
Titulares:
Alexandre Xavier Falcão IC/UNICAMP
Klaus Loureiro Irion Manchester University NHS
Hélio Pedrini IC/UNICAMP
Suplentes:
Fátima de Lourdes dos Santos Nunes Marques EACH/USP
Fabiano Reis FCM/UNICAMP