Busca avançada
Ano de início
Entree

Diagnóstico do esôfago de Barrett auxiliado por computador utilizando técnicas de aprendizado de máquina.

Processo: 19/08605-5
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Doutorado
Vigência (Início): 23 de setembro de 2019
Vigência (Término): 22 de setembro de 2020
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:João Paulo Papa
Beneficiário:Luis Antonio de Souza Júnior
Supervisor no Exterior: Christoph Palm
Instituição-sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
Local de pesquisa: Ostbayerische Technische Hochschule Regensburg (OTH Regensburg), Alemanha  
Vinculado à bolsa:17/04847-9 - Auxílio ao Diagnóstico Automático do Esôfago de Barrett Utilizando Aprendizado de Máquina, BP.DR
Assunto(s):Esôfago de Barrett   Aprendizado computacional   Inteligência artificial   Reconhecimento de padrões

Resumo

O câncer no esôfago é uma doença de difícil detecção nos estágios iniciais, especialmente na presença do esôfago de Barrett. O desenvolvimento de sistemas automáticos de avaliação de tal doença podem ser muito úteis, auxiliando os especialistas na detecção da região cancerígena. Com o forte crescimento das técnicas de aprendizado de máquina e, visando melhorar a eficácia do diagnóstico médico, seu uso caracteriza um cenário forte a ser explorado para o diagnóstico precoce do adenocarcinoma de esôfago. O esôfago de Barrett como antecessor do adenocarcinoma pode ser explicado por alguns fatores de risco, como obesidade, tabagismo e diagnóstico médico tardío. Este projeto, portanto, propõe o desenvolvimento de novas técnicas de visão computacional e aprendizado de máquina para auxiliar o diagnóstico automático do adenocarcinoma esofágico. Esta proposta de pesquisa no exterior relaciona o tempo em que o professor Christoph Palm, co-orientador de tal projeto em desenvolvimento no Brasil, ajudará e supervisionará o seu desenvolvimento. O Professor Palm oferece uma contribuição substancial e muito importante para o trabalho proposto, considerando sua relevante e consistente pesquisa relacionada à avaliação assistida por computador de imagens médicas. Além disso, o grupo de pesquisa no exterior, liderado pelo Professor Palm (ReMIC), também oferece conhecimento relevante a ser compartilhado, uma vez que possui foco na área de processamento de imagens médicas. Serão adquiridas, durante o período no exterior, novas bases de dados endoscópicas para avaliação das características extraídas a mão já estudadas, presenciadas pelo aluno da atual proposta e colocando-o em contato direto com os responsáveis pela anotação manual das imagens endoscópicas. Ainda, o aluno iniciará a avaliação do adenocarcinoma e da diferenciação do esôfago de Barrett usando técnicas de aprendizado em profundidade, auxiliado pelo Professor Palm e pelos membros da equipe do ReMIC.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
DE SOUZA JR, LUIS A.; MENDEL, ROBERT; STRASSER, SOPHIA; EBIGBO, ALANNA; PROBST, ANDREAS; MESSMANN, HELMUT; PAPA, JOAO P.; PALM, CHRISTOPH. Convolutional Neural Networks for the evaluation of cancer in Barrett's esophagus: Explainable AI to lighten up the black-box. COMPUTERS IN BIOLOGY AND MEDICINE, v. 135, AUG 2021. Citações Web of Science: 0.
DE SOUZA JR, LUIS A.; PASSOS, LEANDRO A.; MENDEL, ROBERT; EBIGBO, ALANNA; PROBST, ANDREAS; MESSMANN, HELMUT; PALM, CHRISTOPH; PAPA, JOAO P. Assisting Barrett's esophagus identification using endoscopic data augmentation based on Generative Adversarial Networks. COMPUTERS IN BIOLOGY AND MEDICINE, v. 126, NOV 2020. Citações Web of Science: 1.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.