Uso de algoritmos genéticos e redes convolucionais para classificação de displasias corticais focais em pacientes com epilepsia refratária

• Ano de defesa: 2023
• Autor(a) principal: Silva, Samuel Henrique
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Algoritimos genéticos (AG); Convolutional neural networks (CNN); Diagnóstico auxiliado por computador (CAD); Displasia cortical focal (DCF); Focal cortical dysplasia (FCD); Genetic algorithm (GA); Imagens de ressonância magnética (IRM); Magnetic resonance images (MRI); Redes neurais convolucionais (CNN)
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/59/59143/tde-16112023-151332/

Displasia Cortical Focal (DCF) é um tipo de lesão cerebral que é a principal causa de Epilepsia Refratária em crianças, e o terceira maior causa em adultos, estando presente em mais de 50% dos casos infantis e 20% nos casos adultos. Pacientes com essa doença sofrem de crises epiléticas os quais os remédios não são capazes de ajudar. O tratamento clínico mais indicado nesse caso é a cirurgia. Mas para ser realizada é necessário se ter uma identificação precisa da lesão. Esse processo é bastante complexo pois a região da lesão não é bem definida para visualização em Imagens de Ressonância Magnética (IRM). Porém com os avanços computacionais sugiram várias técnicas para o auxílio na classificação de imagens médicas. Neste trabalho é estudado o uso de Algoritimos Genético (AG) com Redes Neurais Convolucionais (CNN) para classificação de imagens com a presença da DCF. O sistema baseado em CNN deve detectar e identificar a localização de DCF nas imagens. Para isso, propõese que a CNN classifique janelas retangulares das imagens com o objetivo de localizar regiões afetadas pela DCF. O tamanho das janelas e a sobreposição entre elas tem impacto direto na eficiência do sistema baseado em CNNs. Além disso, os hiperparâmetros influenciam fortemente a performance da CNN. Propõe-se aqui utilizar um algoritmo genético para: i) definir o tamanho das janelas; ii) definir a sobreposição das janelas; iii) definir alguns dos hiperparâmetros da CNN. Como resultado, o AG se mostrou bastante benéfico, otimizando a CNN de maneira a obter uma acurácia superior a 90% na classificação.