Notícias Notícias

Voltar

Diagnóstico tumoral e caracterização de tecidos biológicos por imagem hiperespectral é tema de colóquio on-line

Evento ocorre nesta sexta-feira (30), a partir das 16h

O Departamento de Física da UFPE realiza nesta sexta-feira (30) o colóquio “Diagnóstico tumoral e caracterização de tecidos biológicos por imagem hiperespectral por micro-FTIR, via aprendizado de máquina”. O evento conta com a participação de Denise Maria Zezell, do Centro de Lasers e Aplicações do Instituto de Pesquisas Energéticas e Nucleares (Ipen/CNEN). A transmissão ocorre a partir da 16h, por meio da plataforma Google Meet. Os interessados em participar devem acessar a reunião com o e-mail institucional da UFPE (@ufpe.br) e manter o microfone desligado.

Resumo 

A micro-espectroscopia no infravermelho por transformada de Fourier (m-FTIR) por imagem surgiu como uma das importantes ferramentas para estudar e caracterizar materiais biológicos. É uma técnica label-free, relativamente simples, reproduzível, não destrutiva para o tecido biológico e com resultados precisos. A grande quantidade de dados e as informações fundamentais obtidas das imagens hiperespectrais podem não ser prontamente evidentes. A estatística clássica, por meio de seus modelos (paramétricos e não paramétricos), não é capaz de suportar o aumento crescente do volume de dados gerados e sua alta dimensionalidade. A análise multivariada de dados apresenta muitas vantagens a serem exploradas capazes de extrair informações dos espectros infravermelhos, que vão além do espaço unidimensional, revelando características ou propriedades nos dados coletados das amostras. O pipeline de análise de dados espectrais, como as etapas de pré-processamento e a modelagem que o Laboratório de Biofotônica do Ipen/CNEN está usando na análise de tecidos biológicos, serão discutidos. Serão apresentados resultados para tumores de pele e também de mama, em particular a expressão dos receptores de estrogênio e progesterona por meio de biópsias de tumores de linhagens de células humanas inoculadas em camundongos. Imagens m-FTIR foram coletadas de seções histológicas e seis modelos de aprendizado de máquina foram aplicados e avaliados. O Xtreme gradient boost e Linear Discriminant Analysis apresentaram os melhores resultados de precisão, indicando serem modelos potenciais para tarefas de classificação de câncer de mama.

Data da última modificação: 28/07/2021, 17:01