Banca de DEFESA: DANIEL DE SOUSA LUZ

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: DANIEL DE SOUSA LUZ
DATA: 17/04/2026
HORA: 14:00
LOCAL: Picos
TÍTULO: Segmentação e classificação fenotípica de células de câncer de mama usando imagens MIBI-TOF e aprendizado profundo
PALAVRAS-CHAVES: Câncer de mama triplo-negativo, Aprendizado profundo, Aprendizado de máquina, Segmentação de células, Classificação de células, Imagens MIBI-TOF
PÁGINAS: 85
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

O câncer de mama é considerado a principal causa de morte entre as mulheres em todo o mundo. O subtipo triplo-negativo (TNBC) tem alta relevância clínica, pois está associado a pior prognóstico e possui opções terapêuticas mais limitadas, devido à ausência de receptores hormonais e HER2, o que restringe o uso de terapias-alvo empregadas em outros subtipos. Nesse contexto, a análise do microambiente tumoral por meio da fenotipagem celular torna-se fundamental para apoiar o prognóstico de pacientes. Este trabalho propõe um método de fenotipagem celular em imagens MIBI-TOF que integra segmentação por instância e classificação hierárquica de células, além de investigar o impacto da qualidade da segmentação no desempenho da classificação. Na etapa de segmentação, as imagens de entrada são construídas a partir de canais com marcadores nucleares, divididas em recortes sobrepostos nas bordas e posteriormente reconstruídas em imagens inteiras por ponderação de Hann nas regiões de sobreposição, a fim de evitar distorções. Foram comparados modelos baseados em U-Net com diferentes backbones convolucionais e arquiteturas transformers híbridas, bem como o efeito da espessura da borda celular e de comitês de probabilidades em conjunto com técnicas de pós-processamento inspiradas no método Mesmer. A configuração de segmentação selecionada foi então integrada ao pipeline de classificação. A classificação fenotípica foi realizada de forma hierárquica e progressiva, combinando uma classificação geral das principais populações celulares do microambiente tumoral com refinamentos especializados para subtipos imunes, tumorais e estromais, organizados em níveis biologicamente interpretáveis. O método de classificação proposto utiliza características morfológicas e de expressão extraídas de múltiplos canais das imagens originais, com seleção por importância. A abordagem também trata o desbalanceamento severo entre classes, característico desse problema, especialmente nos níveis mais específicos da hierarquia, nos quais subtipos raros apresentam baixa representatividade. As avaliações foram realizadas em um conjunto público de imagens de TNBC com 211.880 células anotadas para segmentação, utilizando validação cruzada estratificada por paciente. A segmentação proposta obteve F1-Score de 0,92 e mDice de 0,91, demonstrando que redes transformers híbridas combinadas com borda otimizada podem refinar a segmentação, maximizando o número de células corretamente segmentadas sem perda excessiva de desempenho. Na classificação fenotípica, a abordagem utilizou configurações de estratificação e validação cruzada idênticas às da segmentação, com uma estrutura hierárquica composta por um classificador no nível geral e classificadores especialistas para as tarefas imune, tumoral e estromal no segundo nível. No primeiro nível, foram classificadas 141.588 células em classes gerais. No cenário com máscaras de referência, o comitê adotado como modelo de referência alcançou F1-macro de 0,84 e Kappa aproximado de 0,84. No cenário com máscaras preditas, o modelo manteve valores próximos aos obtidos com máscaras de referência, com F1-macro de 0,83 e Kappa aproximado de 0,84, além de retenção de 94,79% das instâncias. Esses resultados indicam que os erros de segmentação não alteraram substancialmente a caracterização fenotípica global do microambiente tumoral, embora possam afetar com maior sensibilidade populações celulares raras. A análise conjunta mostrou que a estratégia de segmentação influencia diretamente o desempenho da classificação fenotípica, reforçando a importância de soluções integradas. Os resultados obtidos são promissores, e o método desenvolvido pode ser testado em sistemas de fenotipagem celular para câncer de mama, com potencial de adaptação para outros tipos de tumor.

MEMBROS DA BANCA:
Presidente - 2025885 - FLÁVIO HENRIQUE DUARTE DE ARAÚJO
Interno - 1126212 - ANTONIO OSEAS DE CARVALHO FILHO
Interno - 2025063 - ROMUERE RODRIGUES VELOSO E SILVA
Externo à Instituição - 246.***.***-54 - ANDREA GOMES CAMPOS BIANCHI - UFOP
Externo à Instituição - 187.***.***-34 - FÁTIMA NELSIZEUMA SOMBRA DE MEDEIROS - UFC