DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 340

Aluno: Rian Rabelo de Azevedo

Título: "Um Sistema Híbrido de Inteligência Artificial para Apoio ao Diagnóstico por Termografia de Mama em Dispositivos Móveis."

Orientador: Wellington Pinheiro dos Santos

Examinadora Externa: Maíra Araújo de Santana (UFPE)

Examinador Interno: Sidney Marlon Lopes de Lima

Data-hora: 09 de outubro de 2025 às 14h

Local: Formato remoto - Google meet

---

Resumo:

         "O câncer de mama é a neoplasia mais incidente entre mulheres no mundo e, apesar dos avanços nos métodos de rastreamento, ainda enfrenta desafios relacionados à acessibilidade, desconforto e exposição à radiação em exames como a mamografia. Nesse contexto, a termografia infravermelha emerge como uma técnica não invasiva e promissora para detecção precoce, capaz de identificar alterações térmicas associadas à angiogênese tumoral. No entanto, sua interpretação subjetiva limita sua adoção clínica. Este trabalho propõe um sistema móvel com inteligência artificial híbrida para apoio ao diagnóstico de câncer de mama com base em imagens termográficas. A abordagem combina extração de características por meio de modelos de deep learning pré-treinados (MobileNetV2, VGG19 e ResNet) via transfer learning e classificação com algoritmos tradicionais (Random Forest, KNN e Naive Bayes). Foram utilizadas 1.052 imagens do Hospital das Clínicas da Universidade Federal de Pernambuco (HC/UFPE), sendo avaliados conjuntos de dados balanceado e desbalanceado. O melhor desempenho foi obtido com o modelo ResNet associado ao Random Forest no conjunto balanceado, alcançando 84,6% de acurácia, 100% de sensibilidade e 69,2% de especificidade. Além disso, desenvolveu-se uma aplicação móvel em React Native com back-end em FastAPI, Celery e banco de dados relacional, permitindo o envio assíncrono de exames e geração de laudos em PDF. Os resultados indicam que a abordagem híbrida é eficaz para extração de características discriminativas e que o sistema integrado tem potencial para ser utilizado como ferramenta assistiva em triagem, especialmente em contextos com limitações de acesso a exames tradicionais. Como trabalhos futuros, sugere-se a validação clínica com profissionais de saúde e a expansão do modelo com dados de outras instituições.."