Caracterização da persistência do canal arterial em imagens térmicas de neonatos a partir do uso de redes neurais artificiais

• Ano de defesa: 2019
• Autor(a) principal: FARIAS, Thyago Maia Tavares de
• Orientador(a): LIMA, Manoel Eusebio de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco
• Programa de Pós-Graduação: Programa de Pos Graduacao em Ciencia da Computacao
• País: Brasil
• Palavras-chave em Português: Inteligência artificial; Aprendizagem de máquina; Redes neurais artificiais
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/34513

Este trabalho propõe um sistema computacional preditivo para a caracterização da Persistência do Canal Arterial (PCA) em imagens térmicas de recém-nascidos a partir do uso de uma Rede Neural Artificial (RNA). Recentemente, o rápido crescimento das tecnologias de termografia médica em vários campos clínicos tem promovido o uso de imagens térmicas como sensores fisiológicos sem contato. Em particular, a medicina intensiva neonatal é um campo clínico em que a termografia infravermelha pode desempenhar um papel importante em monitores não invasivos. Uma das complicações associadas à prematuridade, com potencial de monitoramento a partir de imagens térmicas, é a PCA. O canal arterial é um vaso largo que comunica a artéria pulmonar com a aorta no feto. O fechamento funcional do canal arterial no recém-nascido a termo ocorre com 12 a 15 horas de vida. No prematuro, o canal arterial permanece aberto por um período prolongado, e a frequência da persistência do canal arterial é proporcionalmente maior quanto mais imaturo for o recém-nascido. Se não tratado adequadamente, pode resultar em mortalidade, sobretudo entre os recém-nascidos de muito baixo peso. A PCA aumenta em até 30% o fluxo sanguíneo nos pulmões, elevando a velocidade de fluxo da artéria pulmonar. Esse “roubo de fluxo” deixa áreas da circulação sistêmica com déficit. Evidências descritas na literatura sugerem que alterações no fluxo sanguíneo geram aumento de temperatura corporal localizada, provocando o surgimento de regiões assimétricas de calor em imagens térmicas. Tais regiões podem evidenciar a ocorrência de alguma alteração no organismo ou doenças. A dificuldade do uso da assimetria de temperatura como um fator de avaliação médica está na correlação de um determinado mapa de temperatura apresentado em uma imagem térmica com uma doença específica, devido a possíveis inconsistências na captura e na análise de tais imagens. RNAs têm a habilidade em descobrir padrões que parecem despercebidos aos especialistas humanos ou para os métodos estatísticos tradicionais, sendo amplamente reconhecidas como valiosas ferramentas de apoio à decisão clínica e, portanto, úteis na caracterização de mapas de temperatura que possam evidenciar a presença do canal arterial em um neonato. Frente à magnitude do problema e a potencialidade do uso das redes neurais na classificação de imagens térmicas, a referida pesquisa objetiva capturar imagens térmicas de neonatos saudáveis e com PCA, afim de definir mapas de temperatura característicos para as duas classes, determinar e extrair vetores de características a serem correlacionadas com a PCA e com controles normais, aplicar uma arquitetura de rede neural artificial, definida especificamente para classificação das imagens térmicas capturadas e comparar as classificações realizadas pela RNA com avaliações clínicas, afim de validar o sistema computacional proposto.