Tomaz Ribeiro Viana Bisneto

Idiomas

Áreas de atuação

Produções bibliográficas

• BISNETO, TOMAZ RIBEIRO VIANA ; DE CARVALHO FILHO, ANTONIO OSEAS ; MAGALHÃES, DEBORAH MARIA VIEIRA . Generative adversarial network and texture features applied to automatic glaucoma detection. APPLIED SOFT COMPUTING , v. 90, p. 106165-106175, 2020.

Projetos de pesquisa

• 2017 - 2018

  Detecção automática de lesões gastrointestinais usando descritores de forma e textura e classificadores baseado em deep learning, Descrição: O processo de identificação de lesões usando exames por imagem é uma tarefa delicada. O processo de análise realizado pelo especialista é repetitivo e demorado, uma vez que, os exames possuem um grande número de imagens a serem analisadas. Este processo pode provocar cansaço ao especialista, deixando-o propício a erros neste tipo de análise. Com intuito de aumentar a precisão na detecção de lesões auxiliando o especialista com uma segunda opinião, ferramentas de cunho computacional denominadas Computer-Aided Detection (CAD) e Computer-Aided Diagnostic (CADx) que utilizam técnicas de processamento de imagens digitais e reconhecimento de padrões tem sido amplamente exploradas. Normalmente o sistema CAD é responsável pela detecção de uma possível região suspeita, que possa a vir apresentar comportamentos e propriedades anormais. Um CADx depende diretamente do sucesso do CAD, ou seja, após a identificação/detecção da região suspeita é feita uma avaliação através de características de formato (região e contorno) e de aspecto (rugosidade, cor e textura) presentes na lesão, para se prescrever um diagnóstico que possua malignidade ou benignidade, esta tarefa é realizada através de sistemas Computer-Aided Diagnostic (CADx). Baseado nisso, este projeto apresenta metodologias que contribuem com a etapa de detecção. O desenvolvimento de métodos automáticos para redução de falsos positivos e para o diagnóstico estão sendo amplamente exploradas em todo o mundo. Normalmente, os processos envolvidos nos sistemas CAD e CADx são compostos por quatro fases: 1) a aquisição de imagem; 2) extração/segmentação das Regiões de interesse ou lesões para análise; 3) extração de características; e 4) classificação. Nesse contexto, este projeto tem o objetivo de desenvolver métodos capazes de mensurar as propriedades intra-classes. Para isso, serão adaptados e propostas novas técnicas através das análises de forma e textura e de classificadores baseados em deep learing.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Tomaz Ribeiro Viana Bisneto - Integrante / DE CARVALHO FILHO, ANTONIO OSEAS - Coordenador.