ANDRESSA GOMES MOREIRA

Idiomas

Áreas de atuação

Participação em bancas

Produções bibliográficas

• MOREIRA, ANDRESSA G. ; SANTOS, STEFANE A. DOS ; OLIVEIRA, MICHELE F. DE ; PAULA JÚNIOR, IÁLIS C. DE ; ASSIS, DÉBORA F. DE . Classificação de Tumores Cerebrais em Imagens de Ressonância Magnética. In: Simpósio Brasileiro de Computação Aplicada à Saúde, 2024, Brasil. Anais do XXIV Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2024), 2024. v. 24. p. 424.

• Stefane A. Santos ; MOREIRA, A. G. ; PAULA JUNIOR, I. C. . Análise comparativa da influência de otimizadores no desempenho de uma CNN para detecção do câncer de mama. In: ERCEMAPI, 2021. ANAIS DA ESCOLA REGIONAL DE COMPUTAÇÃO CEARÁ, MARANHÃO, PIAUÍ (ERCEMAPI).

Outras produções

Projetos de pesquisa

• 2022 - 2022

  Análise do desempenho de redes adversárias generativas como um método de aumento de dados de imagens da mucosa ocular de ovinos., Descrição: O projeto propõe analisar o desempenho de Redes Adversárias Generativas como um método de aumento de dados de imagens da mucosa ocular de ovinos. Ademais, as imagens da mucosa ocular originais e geradas servirão como conjunto de dados de treinamento para uma Rede Neural Convolucional, responsável por detectar a presença de anemia nos animais. Ferramentas: Python, TensoFlow, Keras, OvenCV, Numpy, Scikit-learn.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Andressa Gomes Moreira - Integrante / Ialis Cavalcante de Paula Junior - Coordenador.

• 2022 - Atual

  Análise do Desempenho de Redes Neurais Profundas na Classificação e Segmentação de Tumores Cerebrais em Imagens de Ressonância Magnética, Descrição: O câncer de cérebro é caracterizado pelo desenvolvimento de tumores cerebrais malignos. De acordo com o Instituto Nacional de Câncer (INCA), no Brasil são registrados cerca de 11 mil novos casos todos os anos, com um índice de mortalidade em aproximadamente 84\ dos casos. Nesse contexto, a detecção precoce de tumores cerebrais pode elevar consideravelmente a taxa de sobrevivência dos pacientes. Os avanços em Inteligência Artificial (IA) têm aprimorado a análise de imagens médicas. Entretanto, a classificação e a segmentação de tumores cerebrais, por meio de imagens de ressonância magnética (RM), ainda são tarefas desafiadoras por diversos fatores, como, alterações de contraste, tamanho, formato, posição e variação da região tumoral, dependendo do paciente. Portanto, o principal objetivo deste trabalho é desenvolver um fluxo de trabalho para realizar o treinamento e a análise do desempenho de arquiteturas de redes neurais profundas no processo de classificação de tumores cerebrais em Meningioma, Glioma, Hipofisário e casos sem tumor e a detecção e segmentação da região tumoral. Para isso, foram utilizados três conjuntos de dados disponíveis publicamente da literatura de imagens de ressonância magnética. Na etapa de classificação, foi realizado o treinamento de quinze modelos de aprendizado profundo pré-treinados. Para a validação dos resultados, foram aplicadas métricas quantitativas amplamente aplicadas em problemas de classificação. Em seguida, foi conduzida uma análise minuciosa, por meio de testes estatísticos para verificar diferenças significativas entre as arquiteturas. Além disso, para realizar a segmentação dos tumores cerebrais, foram aplicadas as redes UNet, UNet++ e FPN combinadas com as codificadoras de melhor desempenho. Logo, os resultados indicam que a EfficientNetB7 apresentou o melhor desempenho na classificação, com uma acurácia de 97,68\, precisão de 97,63\, recall de 97,69\, F1-Score de 97,64\ e especificidade de 99,21\. Na segmentação, a combinação de EfficientNetB7 com FPN foi a mais eficaz, alcançando 99,52\ de acurácia, 85,23\ emF1-Score, 74,29\ para a métrica Interseção sobre União e 4,56 na Distância de Hausdorff. O estudo apresentou resultados significativos frente ao que é explorado na literatura, evidenciando a eficácia na detecção e classificação de tumores cerebrais. Dessa forma, profissionais de saúde e pesquisadores na área de diagnóstico por imagem, podem se basear no fluxo de trabalho para auxiliar na classificação e segmentação de tumores cerebrais, contribuindo para um diagnóstico mais assertivo e precoce.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) . , Integrantes: Andressa Gomes Moreira - Integrante / Ialis Cavalcante de Paula Junior - Coordenador., Financiador(es): Fundação Cearense de Apoio ao Desenvolvimento Científico e Tecnológico - Bolsa.

• 2021 - 2021

  Análise comparativa da influência de otimizadores no desempenho de uma CNN para detecção do câncer de mama., Descrição: Neste projeto, é realizada uma análise comparativa entre os métodos de otimização (Adam, Adadelta, Adagrad, Adamax, Nadam, RMSprop) aplicados a uma arquitetura VggNet16 para a classificação de neoplasias em imagens histopatológicas. Os experimentos foram realizados com a criação de modelos para os fatores de ampliação (40x, 100x, 200x, 400x) das imagens extraídas do dataset BreakHis.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) . , Integrantes: Andressa Gomes Moreira - Integrante / Ialis Cavalcante de Paula Junior - Coordenador / Stefane Adna dos Santos - Integrante.

• 2019 - 2021

  Utilização de Redes Adversárias Generativas para geração de imagens histopatológicas, Descrição: As Redes Adversárias Generativas (GANs) são arquiteturas de redes neurais profundas. É uma técnica capaz de criar novos dados com as mesmas características do conjunto de treinamento. Composta por um discriminador e um gerador, que se opõem para melhorar o seu desempenho, é uma solução plausível para gerar novas imagens histopatológicas que se assemelham a base de dados real. O objetivo é gerar um conjunto de imagens histopatológicas que se assemelham às imagens reais, a fim de aumentar a base de dados e contribuir para detecção do câncer de mama em tais imagens.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Andressa Gomes Moreira - Integrante / IALIS CAVALCANTE DE PAULA JUNIOR - Coordenador.

• 2018 - 2019

  Segmentação de imagens de ovinos utilizando OpenCV., Descrição: Utilizou-se conceitos do Processamento Digital de implementar um algoritmo que realize de forma eficiente a segmentação das imagens de ovinos, a fim de extrair apenas informações da mucosa do olho. Dessa forma, realizou-se a segmentação baseada procedimento crescimento de regiões, por meio da biblioteca Open Source Computer Vision Library (OpenCV).. , Situação: Desativado; Natureza: Pesquisa. , Integrantes: Andressa Gomes Moreira - Integrante / IALIS CAVALCANTE DE PAULA JUNIOR - Coordenador.