FenixEdu™

Dissertação

Pathological Analysis of Tissues using Deep Neural Networks EVALUATED

Detalhes: Imagens patológicas ou de biópsias são amostras de tecidos provenientes de uma parte específica do corpo animal, seja humano ou não. Este tipo de exames são pedidos em circunstâncias suspeitas de haver lesões ou sintomas indicativos para uma determinada doença, como o cancro ou a presença de uma bactéria, como a helicobacter pylori em estômagos. Hoje em dia, uma grande quantidade de biópsias por dia podem ser pedidas e enviadas para uma profunda analise por médicos patologistas. Este processo, no entanto, pode ser árduo, levar tempo e requer experiencia em detetar tecidos defeituosos. Com o avanço da tecnologia, hoje existem scanners com a capacidade de amplificar e digitalizar imagens de biopsias até 40×, dando a possibilidade de observar tecidos a uma escala de 250 µm. Os métodos supervisionados na área de Aprendizagem Profunda aplicados a classificações de imagens patológicas ou deteção de doenças usam maioritariamente anotações específicas do local onde se encontra a doença, se houver. No entanto, esta dissertação vem a demonstrar que não é necessário este tipo de anotações e usar aquelas que apenas informam se uma imagem tem ou não a doença ao aplicar métodos semi-supervisionados tais como a Aprendizagem de Instâncias Múltiplas e a Mineração de Exemplos Difíceis. A arquitetura global apresentada nesta dissertação consiste na aplicação destes métodos semi-supervisionados a uma arquitetura profunda com um módulo de atenção. É modelada a um conjunto de biópsias, algumas com helicobacter pylori, vindo do Hospital da Luz (Lisboa) obtendo um desempenho de 91.67% e detetando todas as positivas.
Keywords: Patologia, Biópsia, Aprendizagem Profunda, Aprendizagem de Instâncias Múltiplas, Mineração de Exemplos Difíceis

Discussão: novembro 17, 2021, 8:30