Foram mais de dez os artigos científicos submetidos por investigadores do INESC TEC à Conferência Internacional Anual da Sociedade de Engenharia em Medicina e Biologia do IEEE, uma das mais importantes reuniões da área e que reúne anualmente milhares de pessoas.
É considerada por muitos a maior e mais relevante conferência em Engenharia Biomédica a nível mundial, não sendo por isso de estranhar que o INESC TEC se tenha feito representar em grande número na Conferência Internacional Anual da Sociedade de Engenharia em Medicina e Biologia do IEEE. Foram dez os artigos científicos aceites com autoria de investigadores do instituto, num contributo claro para a forte participação portuguesa que caracterizou a edição deste ano do evento – que teve lugar em Copenhaga, Dinamarca.
Inês Lopes, autora do artigo Image Classification On the impact of input resolution on CNN-based gastrointestinal Endoscopic, destaca o carácter “extremamente enriquecedor” da participação na conferência, um evento que reuniu “os avanços mais recentes em Inteligência Artificial (IA) aplicada à medicina”, mas que também “estimula colaborações internacionais”.
Na imagem médica, uma área com ligação mais direta à investigação desenvolvida por Inês Lopes, “destacou-se a crescente aposta em técnicas de self-learning aplicadas à segmentação de imagens”. “Esta abordagem permite reduzir a dependência de dados anotados manualmente, o que representa um avanço importante para a eficiência dos sistemas de apoio ao diagnóstico”, explica a investigadora.
No que respeita ao artigo científico apresentado, este explora a influência da resolução das imagens endoscópicas no desempenho de redes neuronais convolucionais (CNNs) aplicadas à deteção de metaplasia intestinal – uma lesão precursora do cancro gástrico. Tendo em vista a garantia de diferentes perspetivas e maior fiabilidade, foram usados dois conjuntos de dados clínicos com diferentes resoluções e modalidades.
De acordo com Inês Lopes, “o estudo mostrou que resoluções mais elevadas do que a convencional 224×224 melhoram significativamente o desempenho dos modelos de IA na deteção de lesões gástricas, ao preservar detalhes essenciais das imagens endoscópicas”. “Estes resultados reforçam a importância da qualidade original das imagens na formação de sistemas de apoio à decisão médica mais eficazes.”
Numa demonstração da aplicação da ciência à medicina, a publicação Language Model of Lung Nodules in LNDb Medical Reports é parte de um trabalho mais vasto e que motivou uma proposta de patente. A tecnologia “permite relacionar descrições de nódulos pulmonares em relatórios médicos e encontrar/marcar estes mesmos nódulos na imagem de TAC”, explica Miguel Coimbra. O artigo faz apenas referência a uma das componentes do trabalho mais vasto, com descrições dos algoritmos usados para o processamento textual.
O investigador do INESC TEC é também um dos autores da investigação Predicting Endoscopic Grading of Gastric Intestinal Metaplasia using Small Patches, fruto de uma colaboração entre o INESC TEC e o Instituto Português de Oncologia do Porto. “Demonstramos uma primeira solução para caracterização de EGGIM – uma classificação endoscópica – que é exequível com métodos de aprendizagem profunda com dados recolhidos pela nossa instituição durante esta colaboração”, aponta Miguel Coimbra.
Trata-se da primeira vez que uma estimativa do EGGIM é validada, com os resultados a mostrarem que os modelos são capazes de detetar pacientes de risco com a mesma sensibilidade que médicos com expertise neste domínio. De acordo com o investigador, “o facto de este fenómeno patológico ser visualmente dominado por atributos relativos a textura permite-nos processar apenas parte da imagem, simplificando a tarefa de treino para os modelos”.
Já na investigação Smart Vest and Metrics for Physical Education using ECG & IMU, Miguel Velhote e Rafael Aguiar, investigadores do INESC TEC, descrevem a investigação desenvolvida no âmbito do projeto Texp@ct. “São detalhados os algoritmos para fusão de sensores e processamento de sinal para uma peça de vestuário inteligente, apresentando resultados preliminares sobre avaliação dos movimentos fundamentais e intensidade do exercício destinado à educação física, ao desporto escolar e de formação”, explica Miguel Velhote. “No contexto do desporto escolar, a possibilidade de uma análise objetiva de métricas fisiológicas e biomecânicas apresenta uma solução deveras interessante na avaliação física e acompanhamento dos adolescentes. Métricas como batimento cardíaco, estado de atividade e intensidade do exercício, entre outras, apresentadas em tempo real, já se encontram em fases de teste e validação para a solução desenvolvida no âmbito do projeto Texp@ct” comenta Rafael Aguiar.
Francisco Vieira e Joshua Woods focaram-se no desenvolvimento de uma arquitetura de referência para a sincronização de múltiplos dispositivos biomédicos wearable baseados em comunicação Bluetooth Low Energy (BLE). Em WeSync(BLE): A Reference Synchronization Architecture of Multiple Wearable BLE-Based Biomedical Devices, os investigatores do INESC TEC detalham os avanços na “sincronização de dados provenientes de diferentes wearables como um fator essencial para a análise rigorosa dos sinais fisiológicos captados”. “O trabalho terá um impacto significativo nas nossas linhas de investigação, nomeadamente nas áreas da doença de Parkinson, monitorização fetal, entre outras”, apontam os autores. O artigo insere-se no trabalho desenvolvido por Francisco Viera no decorrer do seu doutoramento.
No trabalho assinado por Rui Castro, investigador do INESC TEC, é abordada a forma predominante da doença cardiovascular, a doença arterial coronária. Para um diagnóstico mais fiável, a tomografia computadorizada de cálcio arterial coronário é tida como o melhor indicador. Apesar de modelos de deep learning terem sido desenvolvidos para a segmentação do cálcio nas artérias coronárias, os resultados apresentam uma interpretação limitada devido à natureza de “caixas negras” desses modelos. Em Contrastive Coronary Artery Calcification Image Retrieval in Computed Tomography, os autores propõem um pipeline de recuperação de imagens baseado em estruturas contrastivas supervisionadas capazes de melhorar a referida interpretação, fornecendo exemplos visuais semelhantes a calcificações coronárias.
Para além do domínio da Engenharia Biomédica, também o das Telecomunicações e Multimédia marcou presença de forma significativa, com mais cinco artigos publicados.
Em Robust Visual Transformers for Medical Image Classification, João Montrezol, Hugo S. Oliveira, Jorge Araújo e Hélder Oliveira, investigadores do INESC TEC, investigam os limites da arquitetura, com foco no desenvolvimento de novas técnicas orientadas para tarefas explicitamente complexas, como conjuntos de dados de imagens médicas, que frequentemente apresentam elevada variabilidade, desequilíbrio de classes e tamanhos de amostras limitados. “Propomos um conjunto de técnicas mistas de regularização e aumento dos dados para melhorar o desempenho dos modelos”, explica Hélder Oliveira.
As novas técnicas incluem uma função de erro e uma função de ativação suavemente diferenciável, o que origina um treino e desempenho de modelo “mais estáveis”. “Os resultados mostram que a incorporação destas técnicas melhora o desempenho do modelo e a convergência do treino”, aponta o investigador.
As limitações das abordagens atuais na previsão dos resultados estéticos no tratamento do cancro da mama – assim como as restrições impostas pelos conjuntos de dados existentes – motivaram a investigação Conditional Generative Adversarial Network for Predicting the Aesthetic Outcomes of Breast Cancer Treatment, assinada por Helena Montenegro, Maria J. Cardoso e Jaime S. Cardoso.
Na investigação, os autores desenvolveram uma Rede Adversarial Generativa (GAN) guiada por uma máscara, capaz de manipular o formato da mama e a posição do mamilo em imagens mamárias com base em máscaras que destacam o formato desejado. “Utilizámos uma rede de segmentação auxiliar para orientar a GAN a produzir as alterações desejadas nas imagens durante o treino”, apontam os autores. De seguida, foram conduzidas experiências num conjunto de dados privados de estética mamária, com os resultados a demonstrar a eficácia do modelo “na manipulação do formato da mama e comparando a abordagem proposta com os trabalhos de previsão de resultados estéticos de última geração”.
A falta de generalização para dados fora do domínio – domínio de origem diferente do domínio de destino – foi a problemática que motivou Domain-Specific Data Augmentation for Lung Nodule Malignancy Classification, da autoria de Margarida Gouveia, Jorge Araujo, Hélder P. Oliveira, e Tânia Pereira. “Neste trabalho, propõe-se a utilização de uma arquitetura ResNet com entradas 2.5D capazes de manter a informação especial dos nódulos (3 canais de entrada baseados nos planos anatómicos)”, explicam os investigadores. Foi ainda aplicado o “aumento de dados específicos do domínio, adaptado para tomografias computorizadas”.
As tomografias computorizadas do tórax são instrumentos essenciais no diagnóstico de anomalias pulmonares, incluindo o cancro do pulmão. No entanto, a sua utilidade no treino de modelos de aprendizagem profunda é “frequentemente prejudicada pela disponibilidade limitada de dados, pelos elevados custos de anotação e pelas preocupações com a privacidade”.
Em Conditional Score-based Diffusion Models for Lung CT Scans Generation, assinado por António F. Cardoso, Pedro Sousa, Hélder P. Oliveira e Tânia Pereira, são explorados “modelos de difusão baseados em score para a geração condicional de cortes de tomografias computorizadas do pulmão”. De acordo com os investigadores, são explorados dois cenários de geração: “um limitado a máscaras de segmentação pulmonar e outro incorporando mapeamentos de segmentação pulmonar e de nódulos para orientar o processo de síntese”.
Finalmente, a investigação Phenotypic Characterization of Sleep Apnea Using Clusters Derived from Subject-Based SpO2 Weighted Correlation Networks propõe um novo método baseado em redes de correlação ponderadas por SpO2 (saturação de oxigénio no sangue) e análise de modularidade, de forma a permitir a identificação de subgrupos clinicamente relevantes de pacientes com Apneia Obstrutiva do Sono (AOS). Partindo dos dados de 2.641 participantes no estudo Sleep Heart Health Study, de onde foram extraídas 43 variáveis relacionadas com SpO2 a partir de polissonografias.
“A robustez dos resultados foi assegurada com um procedimento de bootstrap, a identificação dos subgrupos foi feita com o algoritmo de modularidade de Blondel, sem necessidade de definir previamente o número de grupos”, conclui a investigadora Daniela Ferreira Santos.
Os investigadores mencionados na notícia têm vínculo ao INESC TEC, à Faculdade de Engenharia da Universidade do Porto, Faculdade de Ciências da Universidade do Porto e Faculdade de Medicina da Universidade do Porto.
Notícias, atualidade, curiosidades e muito mais sobre o INESC TEC e a sua comunidade!
