Busca avançada
Ano de início
Entree

Inteligência artificial no diagnóstico de neoplasias de células pequenas, redondas e azuis

Processo: 22/03123-5
Modalidade de apoio:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de dezembro de 2022
Vigência (Término): 28 de fevereiro de 2026
Área do conhecimento:Ciências da Saúde - Odontologia
Pesquisador responsável:Pablo Agustin Vargas
Beneficiário:Lucas Lacerda de Souza
Instituição Sede: Faculdade de Odontologia de Piracicaba (FOP). Universidade Estadual de Campinas (UNICAMP). Piracicaba , SP, Brasil
Assunto(s):Diagnóstico diferencial   Inteligência artificial   Neoplasias   Patologia   Redes neurais convolucionais   Patologia bucal
Palavra(s)-Chave do Pesquisador:Diagnóstico Diferencial | Inteligência Artificial | Neoplasia | patologia | rede neural convolucional | Patologia Oral

Resumo

As neoplasias de células pequenas, redondas e azuis são neoplasias que representam um desafio para os patologistas, uma vez que compartilham, em sua maioria, características morfológicas, imunofenotípicas e moleculares semelhantes. Com o advento de tecnologias computacionais mais avançadas, a utilização de técnicas de inteligência artificial por meio de sistemas digitais e do desenvolvimento de algoritmos para análise de imagens tem sido estudadas buscando melhorar a agilidade no diagnóstico. Este estudo tem como objetivo desenvolver um sistema baseado em Inteligência Artificial para diferenciar as neoplasias de células pequenas, redondas e azuis por meio de uma abordagem de Deep Learning, a fim de diagnosticar lesões com características microscópicas sobrepostas que representam desafios no diagnóstico diferencial da patologia. Para isto, serão recuperadas de forma retrospectiva amostras que apresentem o diagnóstico do grupo de lesões em questão. As lâminas serão escaneadas e serão realizadas anotações manuais para a validação das imagens, buscando delimitação de tecido lesional e tecido normal. As imagens serão divididas e orientarão as "labels" dos patches gerados após a sua fragmentação, sendo redimensionadas para um tamanho fixo. Será realizada uma divisão randômica das imagens utilizando uma rede de códigos de acordo com o teste que se busca realizar na rede neural. Após a validação de aprendizado da rede neural, será empregada a metodologia de aprendizado profundo, gerando uma classificação das características que diferenciam os grupos analisados. Ao fim deste experimento, espera-se obter um algoritmo que suporte um diagnóstico histopatológico assertivo para uma melhor condução do paciente.

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, LUCAS LACERDA; FONSECA, FELIPE PAIVA; ARAUJO, ANNA LUIZA DAMACENO; LOPES, MARCIO AJUDARTE; VARGAS, PABLO AGUSTIN; KHURRAM, SYED ALI; KOWALSKI, LUIZ PAULO; DOS SANTOS, HARIM TAVARES; WARNAKULASURIYA, SAMAN; DOLEZAL, JAMES; et al. Machine learning for detection and classification of oral potentially malignant disorders: A conceptual review. JOURNAL OF ORAL PATHOLOGY & MEDICINE, v. 52, n. 3, p. 9-pg., . (21/14585-7, 22/03123-5)

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