Banca de QUALIFICAÇÃO: NATALIA ROGERIO BORELLA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: NATALIA ROGERIO BORELLA
DATA : 24/09/2025
LOCAL: GOOGLE MEET
TÍTULO:

REDE NEURAL CONVOLUCIONAL NA DETECÇÃO DE ATEROMAS PRÉ-CEREBRAIS EM VOLUMES DE TOMOGRAFIA COMPUTADORIZADA DE FEIXE CÔNICO

PALAVRAS-CHAVES:

Ateroma; TCFC; Redes Neurais Convolucionais

PÁGINAS: 24
RESUMO:

A aterosclerose é a patologia decorrente do desenvolvimento de placas de ateroma que se aderem ao revestimento interno das artérias e constitui relevante fator de risco para acidentes vasculares cerebrais (AVC). A Tomografia Computadorizada de Feixe Cônico (TCFC) apresenta potencial diagnóstico para a identificação dessas calcificações, mas poucos profissionais da área possuem a habilidade de identificar e diagnosticar tais estruturas. O presente estudo tem como objetivo avaliar a prevalência de ateromas calcificados em volumes de TCFC, além de desenvolver e validar um modelo de rede neural convolucional (RNC) aplicado à detecção de ateromas nas artérias carótidas em imagens de TCFC. Trata-se de um estudo quantitativo, retrospectivo, multicêntrico, de banco de dados secundário, com amostra pretendida de 2000 TCFC provenientes do Brasil (Recife) e do Canadá (Saskatoon), realizado na Clínica de Radiologia Odontológica do Departamento de Odontologia da UFPE em parceria com a faculdade de Odontologia da Universidade de Saskatchewan (Canadá) e o Centro de Informática (CIn) - UFPE. As imagens serão analisadas por especialistas calibrados e, posteriormente, processadas para treinamento, validação e teste de um modelo de RNC. As análises estatísticas serão realizadas no SPSS®, com aplicação de testes para avalição do sexo e idade quanto à presença de ateromas. O desempenho do modelo será mensurado por métricas como área sob a curva ROC (AUC), sensibilidade, especificidade, F1-score e precisão. Espera-se identificar diferenças na prevalência de ateromas entre os dois centros, além de obter um modelo de RNC baseado em algoritmos de aprendizagem profunda, com alta capacidade de detecção, sensibilidade e especificidade, permitindo a identificação precisa de placas ateromatosas em TCFC. Ademais, é esperado que a aplicação deste tipo de inteligência artificial permita otimizar a precisão e a eficiência da análise das imagens, reduzindo significativamente os riscos de complicações e o desenvolvimento de condições críticas, inclusive fatais, relacionadas a doenças e agravos.

MEMBROS DA BANCA:
Externa à Instituição - EDUARDA HELENA LEANDRO DO NASCIMENTO
Interna - 1802101 - FLAVIA MARIA DE MORAES RAMOS PEREZ
Externa ao Programa - ***.338.765-** - JANAÍNA ARAÚJO DANTAS - UFS