Análise de vasos sanguíneos além da segmentação: desenvolvimento de abordagens flexíveis para a caracterização da morfologia de sistemas vasculares

• Processo: 23/03975-4
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de setembro de 2023
• Data de Término da vigência: 31 de dezembro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Cesar Henrique Comin
• Beneficiário: Matheus Viana da Silva
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Visão computacional Aprendizagem profunda Bases de dados Microscopia confocal Morfometria Sistema cardiovascular Vasos sanguíneos
• Palavra(s)-Chave do Pesquisador: Aprendizado profundo | Bases de Dados | microscopia confocal | Morfometria | vasos sanguíneos | Visão Computacional | Visão Computacional

Resumo

A caracterização de vasos sanguíneos possui grande importância para o estudo de patologias que causam alterações na hemodinâmica de tecidos, além de ser crucial para entender o desenvolvimento e funcionamento do cérebro. Avanços em microscopia possibilitaram o aumento da resolução e quantidade das imagens obtidas, e a morfometria automatizada de vasos sanguíneos tornou-se crucial nesse cenário de grandes volumes de dados. Usualmente, o principal foco de novos métodos de caracterização de vasos reside no aperfeiçoamento da etapa de segmentação. Entretanto, trabalhos recentes apontam a possibilidade de vieses de morfometria mesmo quando os vasos são segmentados com alta acurácia. Neste projeto, propomos a construção de uma rotina de morfometria de vasos sanguíneos que incorpore o erro das características morfológicas de interesse à etapa de segmentação dos vasos, garantindo alta confiabilidade às análises automatizadas dos vasos. Faremos isso otimizando redes neurais de segmentação por meio de funções de custo que ponderem o erro da segmentação pela influência que cada píxel possui no cálculo das métricas de interesse. Para suportar nossos experimentos, iremos rotular e organizar uma extensa base de vasos imageados por microscopia confocal. Posteriormente, exploraremos o uso de metodologias de aumento de dados baseado em morfologia, que visam expandir a heterogeneidade do conjunto de treinamento de nossas redes por meio de alterações das características morfológicas das imagens. Esperamos que um sistema desse tipo aumente substancialmente a acurácia de pesquisas que necessitem da morfometria automática de vasos sanguíneos com alta precisão, como nas neurociências. Ainda, esperamos que a disponibilização de nossa base de dados seja de grande ajuda à pesquisas que visam a caracterização de vasos por aprendizado de máquina. (AU)