Portal IFNMG - Professor do IFNMG é um dos autores de estudo premiado em uma das principais conferências na área de computação, medicina e bioinformática Ir direto para menu de acessibilidade.
Portal do Governo Brasileiro
Início do conteúdo da página

Professor do IFNMG é um dos autores de estudo premiado em uma das principais conferências na área de computação, medicina e bioinformática

Publicado: Quarta, 12 de Junho de 2019, 17h41 | Última atualização em Quarta, 12 de Junho de 2019, 17h55

O professor Lucio Fernandes Dutra Santos, coordenador do curso de Ciência da Computação, do IFNMG-Campus Montes Claros, é um dos autores do artigo “A Two-Phase Learning Approach for the Segmentation of Dermatological Wounds” (Uma Abordagem de Aprendizagem em Duas Fases para a Segmentação de Feridas Dermatológicas), que foi selecionado como o melhor estudo entre 88 artigos apresentados no Simpósio Internacional em Sistema Médico Baseado em Computador (CBMS 2019), considerado uma das principais conferências na área de computação, medicina e bioinformática. O evento foi realizado em junho deste ano em Córdoba, na Espanha, pelo IEEE Computer Society (Instituto de Engenheiros Eletricistas e Eletrônicos), que é uma das instituições internacionais ligadas aos profissionais e cientistas da computação.

Desenvolvido em equipe, o trabalho contou com pesquisadores do Grupo de Base de dados e Imagens (GBDI) do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC-USP) e do grupo Anoti (Análise Numérica, Otimização e Tecnologia da Informação) da Universidade Federal Fluminense. Como especialistas da área médica, tivemos o apoio do departamento de Fisioterapia da Universidade Federal de São Carlos (UFScar) e do Hospital das Clínicas de Ribeirão Preto da Universidade de São Paulo (HCRP-USP).

Os autores do estudo são: Wellington Souza Silva, Rodolfo Oliveira, Daniel Leonardo Jasbick, Paulo Manzzocini Azevedo-Marques, Daniel de Oliveira, Rodrigo Wilson, Ana Santos Jorge, Marcos Vinícius Naves Bedo e Agma Traina, todos pesquisadores vinculados a Universidades e Institutos Federais no Brasil.

Certificado do evento

No total, foram premiados quatro artigos, três na trilha principal e um na trilha de trabalhos em andamento de alunos. A escolha dos melhores artigo foi feita após avaliação de 88 artigos apresentados, com representação de 37 países

Bacharel em Ciência da Computação pela Universidade Estadual do Sudoeste da Bahia (UESB), com mestrado e doutorado em ciências matemáticas e de computação pela Universidade de São Paulo (ICMC-USP), o professor Lucio explica que o trabalho desenvolvido para o CBMS 2019 foi um artigo completo na trilha principal sobre um método que combina estratégias supervisionada e não-supervisionada de aprendizado de máquina computacional para segmentar imagens de úlceras dermatológicas em membros inferiores. A pesquisa foi coordenada pelo professor Marcos Bedo.

“Devido ao avanço das tecnologias de imagem para exames médicos, tornou-se comum manter base de dados de pacientes sobre alguma patologia, no nosso caso, úlceras dermatológicas. Por tal razão, sistemas de diagnóstico apoiado por computadores (Computer-aided Diagnosis Systems) têm se tornado frequente em ambientes clínicos, porém, tais sistemas apresentam desafios, como, por exemplo, representar computacionalmente as informações sobre os tecidos lesionados e saudáveis. A solução com maior precisão, utilizando modelos de aprendizado profundo (Deep Learning), requisita um poder computacional elevado, que muitos centros não podem dispor. Além disso, tais técnicas (supervisionadas) não conseguem separar os tecidos em regiões ao redor da ferida. Nossa proposta se deu em utilizar tanto técnicas supervisionadas e não supervisionadas para remover partes que não são de interesse do exame (o fundo da imagem) e segmentar os tipos de tecido (em saudável, borda e com lesão), utilizando técnicas que podem ser executadas com menor poder computacional”, explica o pesquisador.

Método 2PLA

A primeira fase do 2PLA remove os pontos de fundo através da classificação pixelwise e da morfologia matemática. Imagens limpas são divididas em superpixels representados no espaço de cores Lab. A segunda fase do 2PLA aplica uma abordagem de cluster nítida para agrupar superpixels semelhantes, e regiões unidas podem ser mascaradas de volta na imagem de entrada. Os tecidos segmentados são quantificados em relação ao número de pixels internos (tradução livre a partir da legenda apresentada no artigo)

Fim do conteúdo da página