Banca de QUALIFICAÇÃO: MARIA JOANNA SIQUEIRA FREIRE

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: MARIA JOANNA SIQUEIRA FREIRE
DATA : 25/09/2025
LOCAL: Remota: https://meet.google.com/ddb-pnej-jpb
TÍTULO:

SISTEMAS INTELIGENTES NO APOIO AO DIAGNÓSTICO DO CÂNCER DE MAMA UTILIZANDO IMAGENS HISTOPATOLÓGICAS

PALAVRAS-CHAVES:

Câncer de mama. Histopatológico. Imuno-histoquímico. Inteligência artificial. Sistemas inteligentes. Diagnóstico.

PÁGINAS: 58
RESUMO:

O câncer de mama apresenta-se como uma doença crônico-degenerativa de evolução progressiva e prolongada, sendo o tipo mais comum entre as mulheres e correspondendo a cerca de 11,7% dos novos casos a cada ano no mundo. Para rastrear e diagnosticar a doença, são necessárias diferentes abordagens, que englobam a realização de exames de imagem, como mamografia e ultrassonografia e exames histopatológicos e imuno-hitoquímicos. O exame histopatológico permanece sendo o método definitivo para a confirmação do câncer de mama após a detecção de anomalias nos exames de imagem, sendo considerado o padrão ouro no diagnóstico do câncer de mama. As técnicas de aprendizado profundo, e especificamente as Redes Neurais Convolucionais (CNNs), emergiram como uma força substancialmente transformadora no cenário clínico, oferecendo a potencialidade para automatizar e aumentar a precisão nos processos de diagnóstico, se destacando na execução das tarefas de reconhecimento de características ao aprender padrões para classificação através do treinamento com amplos conjuntos de dados rotulados e no contexto do câncer de mama, as CNNs podem ser treinadas com o objetivo de detectar padrões sutis nas imagens histopatológicas, os quais podem ser indicativos de malignidade. Esse trabalho propõe a avaliação de algoritmos de inteligência artificial utilizando redes neurais profundas a fim de proporcionar apoio ao diagnóstico do câncer de mama através de imagens histopatológicas. Para o seu desenvolvimento, foi utilizada a base de dados pública de imagens histopatológicas BreaKHis, que conta com 7909 imagens microscópicas de tumores de mama. As imagens foram processadas com o software Weka (Waikato Environment for Knowledge Analysis) e o conjunto de dados foi dividido em duas partes. Na fase de treinamento foram testados cinco algoritmos: Random Forest, SVM, J48, Bayes Network e Naive Bayes. Após o treinamento observou-se que o classificador SVM com RBF 0.50 apresentou o melhor desempenho geral, demonstrando acurácia de 95,10%, índice Kappa de 0,94, sensibilidade 0,80, especificidade 0,98 e AUC-ROC de 0,91.

MEMBROS DA BANCA:
Interna - 1202668 - JULIANA CARNEIRO GOMES CASSEMIRO
Interno - 1807632 - WELLINGTON PINHEIRO DOS SANTOS
Externa ao Programa - 1296271 - MAIRA ARAUJO DE SANTANA - UFPEExterna à Instituição - CECILIA CORDEIRO DA SILVA - UFPE