Busca avançada
Ano de início
Entree

Segmentação longitudinal automática do pulmão e achados da COVID-19 explorando aprendizado auto supervisionado e treinamento polimórfico

Processo: 22/02344-8
Modalidade de apoio:Bolsas no Exterior - Estágio de Pesquisa - Doutorado
Vigência (Início): 01 de setembro de 2022
Vigência (Término): 28 de fevereiro de 2023
Área do conhecimento:Engenharias - Engenharia Elétrica
Pesquisador responsável:Roberto de Alencar Lotufo
Beneficiário:Diedre Santos do Carmo
Supervisor: Joseph M. Reinhardt
Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Local de pesquisa: University of Iowa, Estados Unidos  
Vinculado à bolsa:19/21964-4 - Diagnóstico de doenças pulmonares e COVID a partir de imagens de tomografia computadorizada usando aprendizado profundo explicável, BP.DR
Assunto(s):Aprendizagem profunda   Visão computacional   Processamento de imagens   Tomografia computadorizada   Pulmão   COVID-19
Palavra(s)-Chave do Pesquisador:Aprendizado profundo | Covid-19 | Processamento de imagens | pulmão | segmentação automática | Tomografia computadorizada | Visão Computacional

Resumo

O uso de aprendizado profundo para segmentação automatizada do pulmão afetado por COVID-19 usando imagens de tomografia computadorizada (TC) na atual pandemia de COVID-19 é um tópico de pesquisa muito ativo na segmentação de imagens médicas. Alguns métodos de segmentação automatizada já foram propostos com aprendizado supervisionado sobre anotações manuais. A falta de disponibilidade de dados de anotações manuais aliada à possibilidade de overfitting a características específicas dos dados pouco disponíveis coloca em xeque a confiabilidade desses métodos. Atualmente possuímos um grande conjunto de dados de dados de TC anotados para segmentação supervisionada e disponibilizamos um método de segmentação pública. Para o nosso próximo passo neste projeto de 6 meses de Estágio de Pesquisa no Exterior (BEPE), propomos atacar duas direções de pesquisa identificadas através de uma revisão sistemática da literatura recentemente concluída. Com a intenção de utilizar dados adicionais que serão disponibilizados por meio dessa colaboração, primeiro exploraremos o uso do aprendizado de contexto auto supervisionado, estudando se uma etapa de pré-treinamento com dados não anotados poderia melhorar o desempenho de um posterior aprendizado supervisionado. Em segundo lugar, expandiremos uma proposta recente de nossos colaboradores, denominada treinamento polimórfico, para explorar se é possível aprender com diferentes formas de anotações para os achados do COVID-19 para alcançar melhores resultados. Estudos de validação e ablação dessas duas hipóteses serão realizado por meio de um estudo longitudinal de novos dados anotados longitudinais de pacientes com COVID-19. (AU)

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)
CARMO, D. S.; TUDAS, R. A.; COMELLAS, A. P.; PEZZULO, A. A.; VILLACRESES, R. A.; CHO, J. L.; ZABNER, J.; RITTNER, L.; LOTUFO, R. A.; REINHARDT, J. M.; et al. Evidence of Post-infection Vaccination Correlation With the Severity of Opacities and Consolidations on the Lung Parenchyma of Post-acute SARS-CoV-2 Patients. American Journal of Respiratory and Critical Care Medicine, v. 207, p. 1-pg., . (19/21964-4, 22/02344-8)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.