|
Nome do aluno
|
Patrick Silva Ferraz
|
|
Título do trabalho
|
REDES NEURAIS E DADOS ABERTOS NO APOIO AO DIAGNÓSTICO DE COVID-19 E SEU DESFECHO
|
|
Resumo do trabalho
|
A COVID-19 é considerada a maior crise de saúde do século, acumulando mais de 6 milhões de mortes em todo o mundo. Por se tratar de uma síndrome recente com pouco ou nenhum entendimento sobre seus impactos, muitos países a negligenciaram e precisaram definir políticas públicas de forma reativa, acarretando por consequência em diversos agravantes para as unidades de saúde, que precisaram traçar estratégia no combate e mitigação as internações devido a superlotação, com profissionais e recursos limitados para lidar tanto com a nova síndrome quando com as questões de saúde preexistentes. Outro impacto foi na economia e mobilidade pública, surtindo em efeitos diversos para todos os setores. Com isso uma mobilização global foi necessária, através da colaboração entre governos, pesquisadores e entidades em gerais para traçar estratégias que controlassem a pandemia instaurada que proporcionou em uma grande corrida para o desenvolvimento de pesquisas que apoiassem o diagnóstico precoce e a evolução da doença. Devido a comoção global, os pesquisadores se beneficiaram com a facilidade de acesso aos dados, mesmo que em quantidade limitadas devido a natureza inédita do vírus, que possibilitou a aplicação de técnicas de inteligência artificial, aproveitando-se inclusive de estudos anteriores fora do contexto da COVID-19, para a sugestão de modelos utilizando transfer learning, CNN pré-treinadas e meta algoritmos aplicados a dados de raio-x, tomografia computadorizada, ultrassonografia, biomarcadores do sangue, áudios de tosse e categóricos multivariados em geral. Desse modo, esse estudo apresenta dois modelos de redes neurais que podem contribuir para o apoio ao diagnóstico e desfecho por contaminação da síndrome COVID-19, apresentando resultados animadores após treinamento utilizando dados públicos do ministérios da saúde do Brasil com métricas acima de 90\% para classificação da SRAG sem a presença de fitting e acima de 60\% para classificação do desfecho.
|
|
Orientador
|
Marcos Ennes Barreto
|
|
Co-orientador
|
Erick Giovani Sperandio Nascimento (University of Surrey - UK)
|
|
Membro Titular 1
|
Robespierre Dantas da Rocha Pita (PGCOMP)
|
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
|
Membro Titular 2
|
Cristiano André da Costa (UNISINOS)
|
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
|
Suplente 1
|
Danilo Barbosa Coimbra (PGCOMP)
|
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
|
Suplente 2
|
Diego Gervasio Frías Suárez (UNEB)
|
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
|
Data do exame
|
05 Dec, 2022
|
|
Horário do exame
|
1:00 PM
|