Banca de QUALIFICAÇÃO: WYSTERLÂNYA KYURY PEREIRA BARROS

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : WYSTERLÂNYA KYURY PEREIRA BARROS
DATA : 24/10/2025
HORA: 15:00
LOCAL: meet.google.com/qrw-dhnb-ebp
TÍTULO:

IA para análise de Whole Slide Images e classificação automatizada de câncer de mama

PALAVRAS-CHAVES:

Câncer de mama, aprendizado de máquina, visão computacional, patologia digital, histopatologia

PÁGINAS: 65
RESUMO:

O câncer de mama é um dos principais desafios de saúde pública em escala global, sendo um dos tipos de câncer mais prevalentes e letais em todo o mundo. A análise histopatológica é fundamental para o diagnóstico e o estadiamento da doença, mas a alta demanda por exames frente à escassez de patologistas sobrecarrega os serviços de saúde e compromete a agilidade do processo diagnóstico. Nesse cenário, a patologia digital e a análise computacional de Whole Slide Images (WSIs) surgem como alternativas promissoras para apoiar decisões clínicas, embora imponham desafios relacionados ao grande volume de dados e à alta demanda computacional. Assim, este trabalho propõe um framework para a classificação de WSIs de tecidos mamários. Nesse método, as imagens de alta resolução são segmentadas em blocos (tiles) e processadas por técnicas de transfer learning para extração de características discriminativas. Posteriormente, essas características são integradas por meio de uma estratégia de agregação tile-to-slide, proposta neste estudo, resultando em um vetor de atributos representativo para cada WSI. Essa representação pode assumir diferentes tamanhos, o que permite avaliar a relação entre o nível de compactação do vetor e sua capacidade de preservar informações discriminativas essenciais para distinguir tecidos tumorais de não tumorais. Os vetores obtidos em diferentes níveis de compactação foram utilizados em algoritmos clássicos de aprendizado de máquina, como Support Vector Machine e Regressão Logística, a fim de verificar se representações reduzidas manteriam desempenho adequado. Os resultados demonstram que as características extraídas e compactadas mantêm elevado poder discriminativo, possibilitando a classificação de WSIs contendo tecidos tumorais com alta acurácia e confirmando o potencial da abordagem como ferramenta de suporte à triagem em patologia digital.

MEMBROS DA BANCA:
Presidente - 1837240 - MARCELO AUGUSTO COSTA FERNANDES
Interno - 1153006 - LUIZ AFFONSO HENDERSON GUEDES DE OLIVEIRA
Externo à Instituição - RICARDO NEY OLIVEIRA COBUCCI - UnP
Externo à Instituição - SERGIO NATAN SILVA - UFCG