Notícias

Banca de DEFESA: LUCAS DANIEL BATISTA LIMA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: LUCAS DANIEL BATISTA LIMA
DATA: 05/02/2024
HORA: 14:00
LOCAL: Sala PPGBiotec (Híbrido)
TÍTULO: Um Método Baseado em Inteligência Artificial para Estimar o Peso e a Altura a partir de Imagens Clínicas de Múltiplas Visões
PALAVRAS-CHAVES: Estimativa do Peso, Estimativa da Altura, Medidas Humanas, Visão Computacional, Aprendizado Profundo
PÁGINAS: 120
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

Altura e peso são duas medidas biométricas que indicam aspectos físicos e amplamente utilizadas no monitoramento do desenvolvimento de indivíduos jovens e no diagnóstico de diversas doenças, como a obesidade. No entanto, as medições de peso e altura podem ser propensas a imprecisões devido a vieses inerentes ao avaliador que as realizam. Medidas incorretas podem levar a erros, por exemplo, na dosagem de medicamentos ou diagnósticos equivocados, representando um risco para a saúde. Ao buscar reduzir possíveis erros em tais medições, este estudo objetiva desenvolver um método que utiliza abordagens de Inteligência Artificial (aprendizado profundo) e técnicas de visão computacional para automatizar a aquisição de medidas biométricas humanas, a saber, peso e altura. O método proposto utilizou 19.172 imagens clínicas de múltiplas visões (ou seja, posterior, anterior e duas laterais) de 4.793 avaliações de pacientes para treinar arquiteturas de Redes Neurais Convolucionais (CNN). As imagens foram processadas pelo modelo de segmentação semântica DeepLabV3 para extrair as silhuetas convertidas em imagens em preto e branco, que foram usadas para treinar as seguintes arquiteturas de CNN: Wide Residual Network (WideResNet) e Scale-Equivariant Wide Residual Network (SE-WideResNet). Essas arquiteturas são formas avançadas de CNNs projetadas para lidar com dados de imagem complexos e capturar padrões intrincados. O método proposto alcançou Erro Absoluto Médio (MAE) de 3,7 kg e R-Squared (R²) de 92% para previsão de peso, bem como MAE de 3,6 cm e R² de 82% para previsão de altura. Esses resultados superam os relatados na literatura para abordagens semelhantes.


MEMBROS DA BANCA:
Presidente - 015.753.933-44 - ARIEL SOARES TELES - IFMA
Externo à Instituição - JOÃO OTÁVIO BANDEIRA DINIZ - IFMA
Interno - 035.244.963-26 - RAYELE PRICILA MOREIRA DOS SANTOS - UFPI
Interno - 2092495 - SILMAR SILVA TEIXEIRA
Externo à Instituição - VINÍCIUS BORDALO - NENHUMA
Notícia cadastrada em: 25/01/2024 17:03
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb03.ufpi.br.sigaa 18/07/2024 11:04