Análise de imagens CT usando modelos de aprendizado profundo: estudo de caso em COVID-19

• Processo: 21/02382-4
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de abril de 2021
• Data de Término da vigência: 31 de agosto de 2022
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Acordo de Cooperação: Microsoft Research
• Pesquisador responsável: Nina Sumiko Tomita Hirata
• Beneficiário: Liang Shen
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Empresa: Universidade de São Paulo (USP). Instituto de Matemática e Estatística (IME)
• Vinculado ao auxílio: 17/25835-9 - Interpretação de imagens e de modelos de aprendizado profundos, AP.PITE
• Assunto(s): Tomografia computadorizada Diagnóstico por imagem Prognóstico Pulmão COVID-19 Aprendizagem profunda
• Palavra(s)-Chave do Pesquisador: Classificação de Imagens | Covid-19 | Deep Learning | Imagens de CT | machine learning | Análise de imagens e aprendizado de máquina

Resumo

Imagens de tomografia computadorizada (CT) de pulmão estão sendo usadas para ajudar no diagnóstico e prognóstico da doença COVID-19. Para facilitar essa tarefa, métodos automatizados para detecção de lesões de COVID-19 estão sendo desenvolvidos. Esses métodos são em sua maioria baseadas em técnicas de aprendizado profundo e já estão alcançando acurácias elevadas. No entanto, a maior parte dos trabalhos existentes restringem-se à classificação de fatias individuais do volume de CT. Não está claro como deve ser a extensão para a avaliação da doença no volume todo do CT e como a mesma deverá ser implementada para uso prático. Este projeto irá focar nestas questões e também investigar aspectos relacionados à robustez com respeito a dados oriundos de fontes distintas. Adicionalmente, se possível, dados clínicos também serão incorporados ao método a ser desenvolvido. (AU)