MOSTRA PIAUIENSE DE COMPUTAÇÃO APLICADA À SAÚDE
A Mostra tem como objetivo evidenciar as pesquisas piauienses que vêm sendo desenvolvidas na área da Computação Aplicada à Saúde. Em 2022, a cidade de Teresina será sede o Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS). O SBCAS é o principal evento nacional organizado pela Comissão Especial de Computação Aplicada à Saúde (CE-CAS) da Sociedade Brasileira de Computação (SBC), sendo um dos principais fóruns de divulgação científica e de encontro de pesquisadores das áreas de computação e saúde.
Trabalho: BacillusNet: uma abordagem automatizada usando RetinaNet para segmentação do bacilos da tuberculose
24 de novembro - 15h00 às 15h15
Resumo
A tuberculose é uma doença infecciosa transmitida pelo Mycobacterium tuberculosis, sendo a principal causa de morte por infecção. O método da baciloscopia de escarro é a técnica de detecção do bacilo mais utilizada atualmente, não só na busca de casos infecciosos, mas também como termômetro para verificar a eficácia do tratamento. Nesse contexto, técnicas computacionais têm sido desenvolvidas para auxiliar o especialista em um melhor diagnóstico. Neste trabalho, apresentamos uma metodologia para detecção automatizada do bacilo utilizando o RetinaNet.
Autores
Apresentadores: Francisco Jose Dos Santos Reis, Mateus Assis Veloso, Filipe Mateus Moraes Rodrigues
Universidade Federal do Piauí
Orientador: Antonio Oseas de Carvalho Filho
Universidade Federal do Piauí
Trabalho: Um Panorama das Soluções Computacionais Apoiadas sobre o Tripé: Autismo, Inteligência Artificial e Tecnologias Móveis
24 de novembro - 15h20 às 15h35
Resumo
O número de pessoas diagnosticadas com transtorno do espectro autista (TEA) cresceu significativamente. Em decorrência disso, o acesso ao diagnóstico apresenta-se insuficiente, comprometendo também o acesso ao tratamento precoce. Alternativas viáveis para contornar esses problemas estão em soluções computacionais móveis pela sua natureza acessível e também nos avanços oportunizados através da inteligência artificial (IA), inclusive no domínio da saúde. Assim, é importante mapear as soluções que se encontram na intersecção entre TEA, tecnologias móveis e IA. Este trabalho consiste no mapeamento da literatura, onde identificou-se a partir de 36 trabalhos apoiados nesse tripé, as principais soluções computacionais.
Autores
Apresentador: José Nazareno Alves Rodrigues
Instituto Federal de Educação, Ciência e Tecnologia do Piauí
Orientador: Kelson Aires
Universidade Federal do Piauí
Trabalho: Método de Segmentação de Úlceras de Córnea Usando U-net e Ajuste Fino em Duas Etapas
24 de novembro - 15h40 às 15h55
Resumo
A Úlcera de córnea é uma das doenças oculares mais frequentes e é definida como uma inflamação ou, até mesmo enfermidade ainda mais grave, como infecção. Mensurar adequadamente lesões de úlcera de córnea possibilita que os médicos possam avaliar adequadamente a efetividade do tratamento e auxiliar na tomada de decisões. O presente trabalho descreve o desenvolvimento de um método que tem como objetivo final segmentar automaticamente lesões de úlcera de córnea. Tal método faz uso da arquitetura de Rede Neural Convolucional (CNN) U-net e realiza o refinamento do modelo utilizando um método de ajuste-fino em duas etapas. O resultado proveniente do modelo usando a arquitetura U-net é então submetido a operações de pós-processamento: limiarização de Otsu; dilatações considerando o complemento da forma da lesão com o objetivo de preencher buracos e, por fim, fechamento. O modelo foi treinando usando 358 exemplos de imagens de córnea com a presença de úlceras do tipo Point-Like. Com base em testes realizados em 91 imagens de úlcera de córnea do tipo Flaky, foram calculadas métricas a fim de avaliar o desempenho do método, atingindo média de 0,823 de Coeficiente Dice, 88,9% para a métrica de Sensibilidade, 99,4% de Especificidade e Coeficiente Positivo Dice de 0,835.
Autores
Apresentador: Helano Miguel Brasil França Portela
Universidade Federal do Piauí
Orientador: Rodrigo Veras
Universidade Federal do Piauí
Trabalho: Eye Voice: uma aplicação para comunicação aumentativa e alternativa baseada em rastreamento ocular para pessoas com dificuldade de fala e função motora reduzida
24 de novembro - 16h00 às 16h15
Resumo
A comunicação é uma habilidade fundamental para que o ser humano possa se desenvolver e conviver em sociedade. Diversos acontecimentos ao longo da vida podem ocasionar deficiências que impedem ou prejudicam a comunicação pela fala. Apesar de existirem soluções para apoiar a Comunicação Aumentativa e Alternativa (CAA), a maioria delas não atende plenamente as pessoas com dificuldade de fala e função motora reduzida. Nesse contexto, o Eye Voice é proposto como uma solução CAA que auxilia pessoas com dificuldade comunicação por fala e por gestos. O Eye Voice é uma aplicação que utiliza o rastreamento ocular para estabelecer a comunicação, utilizando um computador e um rastreador ocular. O Eye Voice foi avaliado após ser utilizado por 6 participantes, sendo 2 participantes com necessidades complexa de comunicação (NCC) e 4 participantes que simularam NCC. Os resultados obtidos, considerando as atividades realizadas, mostraram que o Eye Voice tem potencial para proporcionar a inserção de seus usuários nos mais comuns contextos comunicativos funcionais de forma simples e objetiva, por meio de rastreamento ocular. Em especial, vale destacar que durante o experimento, um dos participantes com NCC informou, com o auxílio do Eye Voice, que sentia dor no braço direito. A partir dessa queixa, o responsável procurou o serviço de saúde e foi constatada uma fratura no braço direito do participante.
Autores
Apresentador: Bruno Alves Moreira
Universidade Federal do Piauí
Orientador: André Castelo Branco Soares
Universidade Federal do Piauí
Trabalho: Detecção Automática de Metástase em Imagens Histopatológicas de Mama Usando Comitê Baseado em Aprendizado Profundo e Ajuste de Cores
24 de novembro - 16h20 às 16h35
Resumo
O câncer de mama é a neoplasia mais comum entre as mulheres. A cura da doença depende da identificação e tratamento precoce do tumor para evitar estágios avançados, como a metástase da lesão inicial. A identificação exige a atenção de patologistas experientes que analisam extensas seções de tecido. Felizmente, métodos computacionais podem auxiliar nessa tarefa, entretanto, a variação de cor entre amostras decorrente de fatores como amostras coloridas por laboratórios distintos; fabricação, validade e conservação divergente dos corantes; e diferenças no protocolo de preparação da amostra de tecido, dificulta a aplicação de tais métodos. Nesta apresentação, um método para a detecção de células tumorais baseado em um comitê de redes neurais convolucionais (CNN) e ajuste de cores é apresentado. O método tem como objetivo otimizar a tarefa de análise histopatológica, dar uma segunda opinião a patologistas e aliviar a sobrecarga de trabalho desses profissionais.
Autores
Apresentador: Daniel Luz
Instituto Federal de Educação, Ciência e Tecnologia do Piauí
Orientador: Flávio Araújo
Universidade Federal do Piauí
Trabalho: Classificação de exames de Raios X de Tórax com comitê de classificadores e Redes Neurais Convolucionais
24 de novembro - 16h40 às 16h55
Resumo
A radiografia de tórax ou raios-X de tórax são os exames de imagem padrão mais usados em hospitais diários. Responsável por auxiliar na detecção de inúmeras patologias e achados que interferem diretamente na vida do paciente, este exame é fundamental na triagem dos pacientes. Este trabalho apresenta uma metodologia baseada no conjunto de Redes Neurais Convolucionais (CNNs) para auxiliar no diagnóstico de exames de radiografia de tórax por meio de exames de triagem com alta probabilidade de serem saudáveis ou alterados. Para constituir o um comitê de classificadores, avaliamos as arquiteturas VGG-16, ResNet50 e DenseNet121, comumente utilizadas na classificação de raios-X de tórax. Dos exames saudáveis, obtivemos precisão de 98,32%. Já para exames alterados, foi alcançada precisão de 95,09%.
Autores
Apresentador: Luis Vogado
Universidade Federal do Piauí, Maida Health
Orientadores: Rodrigo Veras e Flávio Araújo
Universidade Federal do Piauí
