| Processo: | 19/26749-4 |
| Modalidade de apoio: | Bolsas no Brasil - Iniciação Científica |
| Data de Início da vigência: | 01 de julho de 2020 |
| Data de Término da vigência: | 30 de junho de 2021 |
| Área de conhecimento: | Ciências da Saúde - Medicina |
| Pesquisador responsável: | José Celso Rocha |
| Beneficiário: | André Satoshi Ferreira |
| Instituição Sede: | Faculdade de Ciências e Letras (FCL-ASSIS). Universidade Estadual Paulista (UNESP). Campus de Assis. Assis , SP, Brasil |
| Assunto(s): | Inteligência artificial Aprendizagem profunda Redes neurais (computação) Algoritmos genéticos Blastocisto Processamento digital de imagens Técnicas de reprodução assistida Análise qualitativa comparativa (QCA) |
| Palavra(s)-Chave do Pesquisador: | Deep Learning | Inteligência Artificial | Morfologia do Blastocisto | parâmetros fisiológicos | reprodução assistida | Sucesso Gestacional | Reprodução Assistida |
Resumo A técnica de reprodução assistida - TRA se encontra em grande ascensão sendo acompanhada por uma constante inovação e modernização. Técnicas como injeção intracitoplasmática de espermatozoide - ICSI, utilização de equipamentos como o time-lapse, o diagnóstico e screening genético pré implantacional constituem, atualmente, métodos para aumentar a qualidade e o sucesso da TRA. Acompanhando essa tendência a utilização de inteligência artificial - IA, nesta área, também está sendo intensamente pesquisada seja na determinação da qualidade dos gametas, ou sua seleção, e na classificação embrionária. Apesar de um número exponencial de estudos, a utilização de IA dentro das clínicas de reprodução assistida ainda não é uma realidade, sendo a classificação e seleção embrionária realizadas por embriologistas que acabam incorrendo em erros intra e inter-embriologista. Além disso, os casais que procuram as clínicas têm grande interesse em saber a probabilidade de sucesso da TRA, entretanto é muito abstrato para um ser humano mensurar tal probabilidade devido à complexidade deste processo. Já existem estudos da utilização de IA na predição de live birth, porém esses utilizam apenas a imagem do blastocisto transferido, descartando informações valiosas como aspectos fisiológicos da paciente, tais como: idade, IMC, número de oócitos e folículos antrais. Desta forma, o presente projeto tem como objetivo implementar um software utilizando o processamento digital, as redes neurais artificiais e os algoritmos genéticos que seja capaz de predizer a probabilidade de sucesso da gravidez com base nos dados morfológicos do blastocisto conjuntamente com os dados fisiológicos da paciente. Além disso, pretende-se uma análise comparativa da utilização das técnicas de deep learning e multilayer perceptron - MLP na classificação embrionária. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |