Linha de pesquisa: Inteligência Artificial

Resumo: A avaliação histopatológica das desordens orais potencialmente malignas, com desta que para a leucoplasia bucal, depende fortemente da análise da morfologia nuclear. Esse processo, entretanto, é marcado por subjetividade e por expressiva divergência interobser vador. Nesse contexto, a segmentação precisa dos núcleos celulares constitui uma etapa fundamental para sistemas computacionais de apoio à análise histopatológica. Apesar de sua relevância, a segmentação de núcleos especificamente em imagens de leucoplasia bucal permanece pouco explorada, assim como o uso de comitês construídos a partir de arquiteturas heterogêneas. Esta dissertação propõe e avalia comitês de modelos hete rogêneos de aprendizagem profunda para a segmentação semântica de núcleos celulares em imagens histopatológicas de leucoplasia bucal. Foram investigadas dez arquiteturas representativas de três paradigmas: convolucional, híbrido e baseado em atenção. Os modelos foram avaliados individualmente e combinados por meio de cinco estratégias de ensemble learning, considerando diferentes configurações de aumento de dados. A avalia ção empregou métricas tradicionais de segmentação, métricas específicas de contribuição individual (kept rate, discarded rate e error mitigation) e validação estatística. Entre os modelos individuais, o melhor desempenho foi obtido pela ResNeSt-Unet++, com coefi ciente Dice de 0,8853. As estratégias de combinação baseadas em média probabilística mostraram-se as mais eficazes, com o soft voting atingindo coeficiente Dice de 0,8924 e superando de forma estatisticamente significativa os modelos individuais. A análise de contribuição indicou que arquiteturas de paradigmas distintos apresentam padrões de erro complementares, favorecendo a preservação de acertos e a mitigação de erros individuais. Observou-se ainda que o ganho dos comitês tende a saturar a partir de três a quatro mo delos. Esses resultados demonstram que comitês heterogêneos constituem uma estratégia eficaz para a segmentação de núcleos em leucoplasia bucal.

Link para a defesa: https://teams.microsoft.com/dl/launcher/launcher.html?url=%2F_%23%2Fmeet...