Banca de DEFESA: ISA CORDEIRO DA SILVA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ISA CORDEIRO DA SILVA
DATA : 21/07/2025
HORA: 10:00
LOCAL: Laboratório Central do Centro de Biociências
TÍTULO:

“CRIACAO DE DATABASE COM IMAGENS DE CITOLOGIA CERVICAL CONVENCIONAL PARA TREINO E VALIDACAO DE
UMA INTELIGENCIA ARTIFICIAL”

PALAVRAS-CHAVES:

Câncer de Colo Uterino, Diagnóstico por Imagem, Inteligência Artificial, Processamento Digital de Imagens, Sistemas de Visão Computacional.

PÁGINAS: 81
RESUMO:

A citologia cervical é um método simples utilizado para detectar lesões precursoras e câncer cervical, no entanto, deve-se reconhecer as suas limitações. Por isso, a inserção de métodos computacionais baseados em inteligência artificial (IA) pode auxiliar no relato e diagnóstico do câncer cervical, rastreado pela citologia. Utilizando inteligência artificial e machine learning, os sistemas de visão computacional podem identificar objetos, reconhecer células, classificar imagens e auxiliar no diagnóstico. A criação de bases de dados para visão computacional é crucial para o funcionamento eficiente dessa tecnologia. Por isso, o objetivo deste estudo é desenvolver um database com citologia cervical para treinar e validar um sistema semi-automático de caracterização citomorfológica baseado em IA. Foram utilizadas 108 casos com esfregaços cérvico-vaginais pertencentes ao laminário do LPCM para captura com câmera Hayer para microscopia com sensor CMOS acoplada ao suporte trinocular do microscópio com aumento de 100X. O database formado possui 873 micrografias, divididas em quatro classes selecionadas: LSIL e HSIL como lesões precursoras do câncer cervical mais prevalente no rastreio; e AGC e Adenocarcinoma endocervical como lesões glandulares associadas. Após o teste de validação, o modelo YOLOv8 apresentou uma alta probabilidade de acerto (91-96%), mas com sensibilidade variável a depender da classe (58-86%) e precisão moderada (83,7%). Em contrapartida, o modelo YOLOv12 apresentou baixa probabilidade de acerto (64,6%), porém uma alta sensibilidade de detecção em todas as classes apresentadas (98,3%) e precisão semelhante ao modelo anterior (86%). Quanto ao desempenho dos modelos, o YOLOv12 superou os demais ao identificar positivos corretamente sem gerar muitos falsos positivos (91,6%), comparado ao YOLOv8 (81,7%). A elaboração do database foi alcançada com sucesso, contendo dados com imagem e rótulos se assemelhando a outros databases públicos. Além disso, a IA utilizada se provou capaz de auxiliar o fluxo de triagem, com a detecção de LSIL e HSIL, se provando uma excelente ferramenta na integração tecnológica em saúde.

MEMBROS DA BANCA:
Presidente - 1721037 - JACINTO DA COSTA SILVA NETO
Interna - 1912221 - FERNANDA DAS CHAGAS ANGELO MENDES TENORIO
Interno - 1859390 - JEYMESSON RAPHAEL CARDOSO VIEIRA
Externa ao Programa - 3446964 - VANESSA EMANUELLE PEREIRA SANTOS - UFPEExterna à Instituição - LARISSA SILVA DE MACÊDO - UFPE
Externa à Instituição - LÍGIA ROSA SALES LEAL