Aprendizado auto-supervisionado guiado por transformadas baseadas em caos no auxílio ao diagnóstico do Carcinoma de Pulmão

• Processo: 24/01245-1
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de maio de 2024
• Data de Término da vigência: 30 de abril de 2026
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Joao Batista Florindo
• Beneficiário: Joao Batista Florindo
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Pesquisadores associados: Gwanggil Jeon ; Konradin Metze
• Assunto(s): Visão computacional Aprendizado de máquina supervisionado Neoplasias pulmonares Aprendizagem profunda Caos (sistemas dinâmicos) Diagnóstico de câncer
• Palavra(s)-Chave do Pesquisador: Aprendizado auto-supervisionado | carcinoma de pulmão | Redes Neurais Profundas | Transformada baseada em caos | Visão Computacional

Resumo

A disponibilidade crescente de dados digitalizados e o sucesso de algoritmos de aprendizado profundo têm feito com que esses modelos sejam cada vez mais usados na análise de imagens médicas. Uma dificuldade porém que surge frequentemente nesse tipo de aplicação é a dificuldade de se obter uma grande quantidade de dados anotados. Isso tem levado recentemente a um interesse crescente pela abordagem auto-supervisionada de aprendizado, em que um pré-treinamento da rede pode ser feito sobre um conjunto de imagens que não necessita de anotação. Por outro lado, esses algoritmos usualmente exploram visões diferentes da imagem original e podem se beneficiar de transformações mais elaboradas aplicadas sobre essas imagens. Nesse contexto, este projeto visa apresentar uma abordagem híbrida de análise de imagens que combina \textit{transformers} visuais parcialmente auto-supervisionados e transformadas baseadas em caos. A metodologia será aplicada no auxílio ao diagnóstico do carcinoma de pulmão usando imagens de citologia e histologia. O câncer de pulmão é um dos tipos de câncer mais letais e mais frequentes em todo o mundo, sendo o que mais mata entre homens e o segundo entre mulheres. Espera-se que este projeto propicie o desenvolvimento de um sistema computacional altamente eficiente e que trará como benefício imediato uma ferramenta de auxílio ao médico especialista e permitirá um diagnóstico mais rápido e preciso. O sistema também permitirá a interpretabilidade dos resultados associada aos mapas de atenção do modelo. Além dessa aplicação específica, o sistema poderá ser facilmente adaptado para outros contextos relacionados, de modo que benefícios serão obtidos para a área de patologia digital e mesmo da visão computacional como um todo. (AU)