Nesta quinta-feira (19), às 15h, no canal do YouTube do Programa de Pós-Graduação em Comunicação (Poscom) da UFSM, acontece mais uma edição do projeto #PoscomJuntesEmCasa. Desta vez, será debatido um tema de relevância não somente para o campo comunicacional, mas também para sociedade contemporânea, que é a relação entre mídia, violência e direitos humanos, com destaque para a violência estatal, a representação na mídia e a comunicação alternativa como produtora de outras narrativas.

Uma das convidadas da live é a pesquisadora, jornalista e mestre em Educação, Cultura e Comunicação em Periferias Urbanas pela UERJ Gizele Martins. Moradora da Maré, Rio de Janeiro, e comunicadora comunitária, Gizele é autora do livro “Militarização e censura – a luta por liberdade de expressão na Favela da Maré”. O outro convidado é o jornalista da UFRJ e doutor em Comunicação e Cultura pela mesma instituição Pedro Barreto. Pós-doutorando do Programa de Pós-Graduação Mídia e Cotidiano pela UFF e coordenador do curso de extensão Mídia, Violência e Direitos Humanos/Nepp-DH, Pedro é também autor do livro “Notícias da pacificação: outro olhar possível em uma realidade em conflito”.

O debate será mediado pelo pesquisador e professor colaborador do Poscom Guilherme Curi.

Estudo do GEMEC da UNIFEI utiliza inteligência artificial para auxiliar no diagnóstico de COVID-19 por meio de análise de imagens de exames de Raio X

13 de novembro de 2020

As figuras acima são exemplos de diagnóstico de imagens para os casos (a) “normal”, (b) “pneumonia” e (c) “COVID-19”.

Decomposição de imagem usando transformada wavelet para os casos (a) “normal”, (b) “pneumonia” e (c) “COVID-19”.

Resultado de saída obtido pelo algoritmo de inteligência artificial destacando pontos de relevância no exame de imagem para os casos (a) “normal”, (b) “pneumonia” e (c) “COVID-19”.

O Grupo de Mecânica Computacional e Otimização (GEMEC) da Universidade Federal de Itajubá (UNIFEI), coordenado pelo professor Guilherme Ferreira Gomes, do Instituto de Engenharia Mecânica (IEM), está desenvolvendo estudo com o objetivo desenvolver inteligência artificial (IA) capaz de extrair o maior número de informação de uma imagem de exame pulmonar através de raio X, para auxiliar no diagnóstico de pacientes infectados pelo novo vírus SARS-COV-2, causador da COVID-19.

Nas pesquisas desenvolvidas pelo GEMEC, uma nova metodologia de identificação de vírus foi proposta, usando-se a transformada wavelet discreta para extrair o máximo de informações de uma imagem e, então, alimentando-se o algoritmo de inteligência artificial, de modo a reconhecer padrões nos diagnósticos de imagens dos exames realizados por raio X. Segundo o professor Guilherme, o uso desta técnica permite uma maior capacidade de distinção no processo de aprendizagem pela inteligência artificial.

Os estudos do GEMEC foram certificados e registrados pelo Instituto Nacional da Propriedade Industrial (INPI) sob o nº BR512020001796-7, com o título “Rápida Identificação e classificação de SARS-COV-2 baseado em exames de raio-x torácicos usando inteligência artificial”.

O GEMEC realizou o estudo, utilizando mais de 3.000 imagens com os diagnósticos “normal”, “pneumonia” e “COVID-19”, obtidas em um banco de imagens aberto internacional. Com estes e outros dados, o grupo foi capaz de alimentar uma rede neural artificial e desenvolver uma proposta de modelo com acerto de 98%, detectar um vírus e afirmar se este se referia a uma pneumonia coibida ou arbitrária.

IA no combate à COVID-19

Métodos de aprendizado de máquina (machine learning) para o diagnóstico automatizado na área médica recentemente ganharam popularidade ao se tornarem uma ferramenta auxiliar para médicos, e técnicas de IA têm auxiliado pesquisadores e profissionais da saúde na tomada de decisões em diagnósticos complexos. Uma das ferramentas de IA conhecidas para a criação de metodologias eficientes são as redes neurais artificiais.

O professor Guilherme explica que imagens de raios-X torácicos mostram uma certa quantidade de informação sobre a COVID-19, no entanto uma análise de imagem realizada por um olho humano pode apresentar erros de interpretação, além do fato de o olho não ser capaz de extrair informações ocultas dos dados de uma imagem. Nesse sentido, técnicas avançadas de inteligência artificial, como as redes neurais convolucionais (Convolutional Neural Networks – CNN), são empregadas com o objetivo de reduzir o fator humano.

O estudo feito pelo GEMEC, baseado na utilização de imagens e dados para o desenvolvimento de uma inteligência artificial capaz de auxiliar com precisão o diagnóstico de COVID-19, é um exemplo de como as metodologias inovadoras de IA podem ser efetivas no combate ao coronavírus, além de mostrar o impacto da Universidade no desenvolvimento tecnológico e científico em momentos críticos. (GFG/FDLPM/ADC-SECOM-unifei)