Avaliação automatizada da forma global do coração na ecocardiografia de estresse utilizando redes neurais convolucionais

• Processo: 23/07883-7
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Vigência (Início): 01 de novembro de 2023
• Vigência (Término): 31 de outubro de 2024
• Área do conhecimento: Engenharias - Engenharia Biomédica - Engenharia Médica
• Pesquisador responsável: Rangel Arthur
• Beneficiário: Gabriel Alves Baltazar
• Instituição Sede: Faculdade de Tecnologia (FT). Universidade Estadual de Campinas (UNICAMP). Limeira , SP, Brasil
• Assunto(s): Aprendizagem profunda Processamento de imagens Redes neurais convolucionais
• Palavra(s)-Chave do Pesquisador: avaliação global do coração | Deep Learning | Ecocardiograma de estresse | processamento de imagens médicas | Redes Neurais convolucionais | Segmentação cardíaca | Segmentação cardíaca

Resumo

A ecocardiografia de estresse desempenha um papel fundamental na avaliação da função cardíaca e na detecção de doenças cardíacas, proporcionando informações valiosas sobre o desempenho do coração durante situações de estresse fisiológico. No entanto, a análise desses exames ainda enfrenta desafios significativos, especialmente na avaliação da forma global do coração antes de analisar os detalhes.As abordagens tradicionais na análise ecocardiográfica muitas vezes se concentram em analisar detalhes específicos das estruturas cardíacas, como a espessura das paredes ou o movimento segmentar. Embora essas análises detalhadas sejam importantes, é igualmente relevante avaliar a forma global do coração para uma compreensão abrangente de sua função e possíveis alterações patológicas.No entanto, a avaliação da forma global do coração tem sido um desafio devido à natureza subjetiva e à dependência da expertise do especialista em ecocardiografia. Além disso, a análise manual consome tempo e pode levar a variações interobservador.Diante dessas limitações, surge a necessidade de uma abordagem objetiva e automatizada para avaliar a forma global do coração antes de analisar os detalhes nas imagens ecocardiográficas de estresse. Nesse contexto, as redes neurais convolucionais (CNNs) têm se mostrado uma poderosa ferramenta na análise de imagens médicas, capazes de aprender padrões complexos e extrair informações relevantes.O objetivo deste estudo é propor o uso de CNNs, mais especificamente os modelos MASK-RCNN e U-NET, para avaliar a forma como um todo antes de analisar os detalhes na ecocardiografia de estresse. Esses modelos têm demonstrado potencial inovador em diversas tarefas de segmentação de imagem, porém, até o momento, não foram encontrados estudos que explorem sua aplicação específica para essa tarefa na ecocardiografia de estresse.Ao utilizar esses modelos, busca-se obter uma segmentação precisa da forma global do coração, permitindo uma análise automatizada e confiável. Essa abordagem inovadora tem o potencial de superar as limitações das técnicas tradicionais e fornecer uma avaliação mais objetiva da forma cardíaca durante a ecocardiografia de estresse.