PPGCCM PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO FUNDAÇÃO UNIVERSIDADE FEDERAL DO ABC Telefone/Ramal: Não informado http://propg.ufabc.edu.br/ppgccm

Banca de DEFESA: KLEBER DA SILVA PIRES

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : KLEBER DA SILVA PIRES
DATA : 23/08/2022
HORA: 14:00
LOCAL: por participação remota
TÍTULO:

Análise de Resposta ao Tratamento Neoadjuvante em Câncer de Mama Utilizando Redes Profundas 


PÁGINAS: 64
RESUMO:

O câncer de mama é o tipo de câncer mais comum entre mulheres, e este possui a maior taxa de óbitos entre todos os tipos de câncer. O tratamento pré-cirúrgico (neoadjuvante) pode melhorar o prognóstico do paciente, porém, não é possível prever se o paciente vai responder ao tratamento. Estudos anteriores foram conduzidos para encontrar características capazes de associar o tratamento neoadjuvante à resposta do paciente, alguns utilizando radiômica convencional e outros redes convolucionais, em sua maioria utilizando bases privadas com poucos exemplos, sendo trabalhos não reprodutíveis. Neste trabalho, foi proposto um modelo de aprendizado profundo utilizando imagens e dados clínicos oriundos de uma base de dados pública (Duke Breast Cancer MRI), capaz de extrair características de imagens de ressonância magnética da mama, e associar os atributos ao prognóstico. Os 300 pacientes foram divididos entre treino/validação (90%) e teste (10%) utilizando validação cruzada de três pastas, onde cada pasta possui uma combinação diferente de pacientes, sendo $10\%$ para validação e 90% para treinamento. Utilizando análises quantitativas dos resultados gerados a partir do modelo treinado, foi concluído que o modelo proposto é capaz de classificar os pacientes com resposta completa ao tratamento neoadjuvante. Os resultados demonstraram uma acurácia superior quando comparado com o estudo de Cain et al. na mesma base de dados, AUC (area under the curve) média de 0,70 para 0,82 e acurácia média de 70% no conjunto de testes e 75% no conjunto de validação. O modelo proposto obteve resultados competitivos comparando com a literatura em bases de dados públicas, não sendo possível reproduzir por completo os trabalhos de outros autores. Tendo em vista trabalhos de radiômica convencional, os experimentos mostraram que o método de redes convolucionais profundas também é sensível aos dados. Desta forma, métodos de tratamento de imagens podem melhorar os resultados.


MEMBROS DA BANCA:
Presidente - Interno ao Programa - 1600876 - FRANCISCO DE ASSIS ZAMPIROLLI
Membro Titular - Examinador(a) Interno ao Programa - 1673092 - RONALDO CRISTIANO PRATI
Membro Titular - Examinador(a) Externo à Instituição - ANTONIO MARCOS SELMINI - ESPM
Membro Suplente - Examinador(a) Interno ao Programa - 1722875 - DAVID CORREA MARTINS JUNIOR
Notícia cadastrada em: 07/08/2022 14:54
SIGAA | UFABC - Núcleo de Tecnologia da Informação - ||||| | Copyright © 2006-2022 - UFRN - sigaa-2.ufabc.int.br.sigaa-2-prod