Técnicas de Fusão de Dados para Detecção de Câncer de Mama

• Processo: 24/08242-8
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de outubro de 2024
• Data de Término da vigência: 30 de setembro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: João Paulo Papa
• Beneficiário: Jawaher Abdu Mohammed Altuweity
• Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
• Vinculado ao auxílio: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID
• Assunto(s): Processamento de imagens Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: processamento de imagens médicas | Aprendizado de máquina

Resumo

O diagnóstico assistido de doenças por meio de imagens médicas, dados clínicos e descrições textuais tem sido de extrema importância nos últimos anos. Aliado com resultados promissores que técnicas de aprendizado de máquina entregam, podemos atingir resultados ainda melhores quando fazemos uso de outras fontes de dados. Por outro lado, enfrentamos o problema de como combinar essas diferentes modalidades. Como garantir que uma modalidade não vai introduzir um viés no processo, como aprender pesos apropriados para cada fonte de dados e como codificá-los são alguns desafios que técnicas de fusão de dados tentam endereçar. Esta proposta investiga limitações em detecção de câncer de mama utilizando diferentes modalidades de imagens (mamografia, tomossíntese e ultrassonografia) e dados textuais (dados clínicos e relatórios médicos). O pesquisador envolvido irá investigar técnicas de fusão de dados nos níveis de características e decisão, bem como estará em contato com cientistas prominentes do estado de São Paulo e outros países envolvidos. Espera-se que o pesquisador também esteja envolvido em outras atividades, tais como trabalhos em conjunto com colegas de laboratório e participações em seminários. Esta proposta está relacionada a um outro projeto FAPESP de maior porte (CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria), contribuindo para a indústria médica e ciência aplicada. Além disso, esperamos entregar novos avanços em estratégias de fusão de dados considerando as áreas de Ciência da Computação e Aprendizado de Máquina.