Otimização de CNN Mínima para Predição de Câncer de Pulmão a partir de Imagens Não Binarizadas

Descrição

Esta proposta de pesquisa fundamenta-se no entendimento de que a maioria das abordagens existentes para aplicação em análise de dados de imagens médicas assume grandes volumes de dados e arquiteturas profundas, o que, na maioria das vezes não reflete a realidade clínica. Assim, propõe-se um problema de otimização multiobjetivo, no qual precisão, tempo e memória são simultaneamente considerados. O problema central do projeto consiste em identificar uma função de predição baseada em Convolutional Neural Network - CNN que, a partir de poucas imagens temporais de um paciente de câncer de pulmão, seja capaz de estimar a imagem futura representativa da evolução tumoral. Formalmente, deseja-se encontrar uma CNN com o menor número possível de parâmetros que mantenha desempenho morfológico aceitável, minimizando simultaneamente: o erro de predição da evolução tumoral, o tempo de inferência, o uso de memória computacional. Essa formulação caracteriza um problema real de otimização sob restrições severas de dados e recursos computacionais.