Detecção de Tumor Cerebral em Imagens Médicas Utilizando Redes Neurais de Grafo

• Processo: 24/06012-5
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de junho de 2024
• Data de Término da vigência: 31 de maio de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Zhao Liang
• Beneficiário: André Kenji Hidaka Matsumoto
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizagem profunda Segmentação de imagens Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Aprendizado profundo | Detecção de tumor cerebral | Rede neural de grafo | segmentação de imagens | Inteligência Artificial

Resumo

O câncer cerebral figura uma das causas globais de morte, e sua detecção precoce é desafiadora devido à diversidade de tamanhos e formas presentes nas Imagens de Ressonância Magnética (MRI). Além disso, identificar o tipo específico de tumor é um processo complexo que demanda expertise. A utilização de inteligência artificial e aprendizado de máquina em sistemas de diagnóstico assistido por computador torna-se essencial para aprimorar a precisão e reduzir a carga de trabalho dos radiologistas.As Redes Neurais de Grafo (Graph Neural Networks - GNNs) têm despertado considerável interesse no campo do Aprendizado Profundo, graças à sua capacidade singular de lidar com tipos de dados não estruturados e sua habilidade de reconhecimento invariante de padrões. Neste projeto, propõe-se o desenvolvimento de um sistema que converta imagens em grafos, implementando uma GNN denominada TransGNN, com o objetivo de detectar câncer cerebral. Espera-se que essa técnica seja capaz de identificar tumores cerebrais, independentemente de sua variedade em tamanho e forma.