Resumen

LERMA SANCHEZ, Ángel Mario; MEXICANO SANTOYO, Adriana; VILLALOBOS CASTALDI, Fabiola Miroslaba  y  DAMIAN REYES, Pedro. Classificação automática de anastomoses usando redes neurais convolucionais em vídeo fetoscópico. RIDE. Rev. Iberoam. Investig. Desarro. Educ [online]. 2021, vol.11, n.22, e018.  Epub 21-Mayo-2021. ISSN 2007-7467.  https://doi.org/10.23913/ride.v11i22.856.

A síndrome da transfusão de gêmeos (TTTS) é o resultado do fluxo sanguíneo desigual através das anastomoses vasculares da placenta (conexão dos vasos sanguíneos) ligando as duas circulações fetais. Anastomoses vasculares na placenta compartilhada estão presentes em praticamente todos os gêmeos monocoriônicos (MCs), mas apenas em cerca de 10% levam à síndrome de transfusão de gêmeos. Sem intervenção, a condição costuma ser fatal para ambos os gêmeos. Uma alternativa para o tratamento do TTTS é o procedimento a laser placentário, conhecido como cirurgia fetal, que geralmente consiste em dividir a placenta em duas por meio da cauterização a laser dos vasos sanguíneos entre os fetos, equilibrando assim os fluxos sanguíneos.

Atualmente, a cirurgia fetoscópica é um procedimento muito realizado no país, portanto a classificação da anastomose é fundamental para esta cirurgia, que é o tratamento mais recomendado. Devido ao seu grau de complexidade, esta intervenção cirúrgica apresenta múltiplas dificuldades: os fetos movimentam-se durante o procedimento, a orientação do vídeo utilizado não é adequada para uma análise mais precisa e o campo de visão gerado pelo fetoscópio é muito pequeno; portanto, é necessário um instrumento que ajude o médico novato a diferenciar e classificar as anastomoses de forma mais adequada. O objetivo deste trabalho, portanto, é apresentar o desenvolvimento de uma ferramenta computacional que contribua para a classificação automática de anastomose em um vídeo fetoscópico por meio de redes neurais convolucionais de forma a servir de suporte para o médico iniciante em seu estágio de treinamento.

Para isso, um DataSet (conjunto de imagens) foi construído a partir de vídeos fetoscópicos não classificados que foram então catalogados em três categorias, selecionadas em conjunto com os especialistas, usando uma ferramenta computacional especialmente projetada (VideoLabel). A técnica de aumento de dados serviu para construir imagens artificiais a partir das reais já classificadas, uma vez que o número de imagens rotuladas não era suficiente; Neste contexto, a arquitetura AlexNet foi selecionada para realizar uma transferência de aprendizagem e para treinamento, que rendeu resultados com uma eficácia superior a 90%. Esses dados permitem concluir que, na ausência de uma ferramenta que possibilitasse o treinamento de novos médicos na identificação de anastomoses, o seu treinamento demoraria mais, pois seria realizado in loco em cada cirurgia fetal. No entanto, esta pesquisa gerou o desenho de um software com o qual é viável a classificação automática de anastomoses de um vídeo fetoscópico utilizando uma rede neural convolucional, com resultados promissores como ferramenta de apoio a médicos em estágio de formação.

Palabras llave : aprendizado de máquina; aprendizado supervisionado; inteligência artificial; síndrome de transfusão de gêmeos.

        · resumen en Español | Inglés     · texto en Español     · Español ( pdf )