Segmentação e classificação automática de lesões causadas por acidente vascular encefálico em imagens de ressonância magnética

• Processo: 24/09332-0
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de agosto de 2024
• Data de Término da vigência: 30 de junho de 2025
• Área de conhecimento: Ciências da Saúde - Medicina - Clínica Médica
• Acordo de Cooperação: CNPq - INCTs
• Pesquisador responsável: José Eduardo Krieger
• Beneficiário: Aldir Silva Sousa
• Instituição Sede: Instituto do Coração Professor Euryclides de Jesus Zerbini (INCOR). Hospital das Clínicas da Faculdade de Medicina da USP (HCFMUSP). Secretaria da Saúde (São Paulo - Estado). São Paulo , SP, Brasil
• Vinculado ao auxílio: 14/50889-7 - INCT 2014: em Medicina Assistida por Computação Científica (INCT-MACC), AP.TEM
• Assunto(s): Cardiologia Acidente vascular cerebral Ressonância magnética Aprendizagem profunda Aprendizado computacional Segmentação semântica
• Palavra(s)-Chave do Pesquisador: acidente vascular encefálico | Deep Learning | Diagnóstico Automático | machine learning | Ressonância Magnética | Segmentação Semântica | Cardiologia

Resumo

O Acidente Vascular Encefálico (AVE) é a principal causa de incapacidade em adultos em todo o mundo, com até dois terços dos indivíduos sofrendo deficiências. Estudos de neuroimagem em larga escala mostraram-se promissores na identificação de biomarcadores robustos (por exemplo, medidas da estrutura cerebral) de recuperação de AVE em longo prazo, após a reabilitação. No entanto, a análise de grandes conjuntos de dados relacionados à reabilitação são problemáticos devido às dificuldades na segmentação precisa das lesões de acidente vascular cerebral em diferentes modalidades de imagens médicas. Dentre as modalidades de imagens médicas, a segmentação manual de lesões em imagens de ressonâncias magnéticas, ponderadas em T1, é atualmente o padrão ouro para identificar a existência e extensão do AVE, mas envolve um processo trabalhoso e que requer conhecimentos anatômicos, por parte do radiologista. Embora algoritmos tenham sido desenvolvidos para automatizar esse processo, os resultados muitas vezes carecem de precisão, estão baseados em conjuntos de imagens proprietários, que inviabilizam a reprodução dos modelos e são, portanto, de difícil generalização. Algoritmos mais recentes que empregam técnicas de aprendizado de máquina são promissores, mas esses exigem grandes conjuntos de imagens para treinamento, validação e teste. A disponibilização recente da base de dados ATLAS (Anatomical Tracing of Lesions After Stroke), que contém um conjunto de 304 ressonâncias magnéticas ponderadas em T1, com lesões segmentadas manualmente por especialistas, poderá possibilitar o desenvolvimento de novos algoritmos para segmentação automática de lesões causadas por AVE. Este projeto tem por objetivo o desenvolvimento de métodos em aprendizado de máquina para segmentação automática de lesões causadas por AVE em imagens de ressonância magnética ponderadas em T1, tendo o ATLAS como base de dados. Posteriormente, após validação dos algoritmos, pretende-se aplicá-los em base de imagens independente. (AU)