Murabei, UFRJ e Idiap Research Institute (Suíça) publicam juntos um trabalho no congresso da Sociedade Brasileira de Inteligência Computacional 2021

“None of us, including me, ever do great things. But we can all do small things, with great love, and together we can do something wonderful.”

Mother Teresa

Foi publicado no último congresso da Sociedade Brasileira de Inteligência Computacional um artigo produzido em conjunto pela Murabei, UFRJ e Idiap Research Institute (Suíça). O primeiro autor, responsável pelo desenvolvimento da metodologia, foi Matheus Renzo que é cientista de dados na Murabei e desenvolveu parcialmente o estudo intercalando com suas atividades nos diferentes projetos que faz parte. O estudo faz parte de um desenvolvimento mais amplo associado à OMS cujo objetivo é a criação de um CAD (computer-aided diagnosis) para a diferenciação da tuberculose ativa vs. infecção, sendo também apoiado por agencias de fomento à pesquisa nacionais como CNPq, CAPES, FAPERJ.

O objetivo do estudo apresentado foi a construção de um AI utilizando uma rede neural com arquitetura em U, esta foi usada para buscar a correta segmentação do pulmão a partir de fotos de filmes de raio-x posicionados em negatoscópios. Os resultados mostram-se promissores, entretanto ainda é possível verificar que a continuidade das áreas previstas como pulmão precisam ser melhoradas (topologia das previsões). Foi verificado também que as métricas tradicionais de assertividade como AUC e F1 não contribuem para separar corretamente o bom, do mal e do feio (não deixaram eu colocar essa piada no artigo :sad:), isso porquê tais métricas pressupõe a independência dos pixel que não ocorre devido a topologia dos pulmões: pulmões são duas áreas distintas continuas entre si, o que implica que um pixel de pulmão provavelmente é cercado por outros pixels de pulmão e vice-versa.

Resultados do modelo desenvolvido quando desafiado com imagens de filmes de raio-x. Em vermelho apenas o modelo; em verde apenas a anotação do médico; em amarelo são as áreas que houveram concordância do médico com a AI.

É indispensável agradecer os co-autores André Anjos (Pesquisador, Idiap Research Institute) e Natanael Nunes de Moura Junior (Professor, UFRJ) na orientação do Matheus para o desenvolvimento das atividades e a Natália Fernandez (Iniciação Científica, UFRJ) na aquisição dos dados para o projeto, que deu muito mas muito trabalho mesmo!

Se você é um pesquisador e gostaria de colaborar na construção de artigos científicos, entre em contato com a gente! Tenho certeza que vamos construir um ótimo trabalho em conjunto.

Compartilhar