Classificação e segmentação de imagens de lesões podocitárias : contribuições para cenários multicorantes e desbalanceados utilizando modelos de aprendizado profundo

Abstract

A podocitopatia é uma condição caracterizada por lesões nos podócitos, células essenciais dos glomérulos renais responsáveis pela filtragem do sangue. Essas lesões comprometem a função renal e podem evoluir para glomerulosclerose, proteinúria e nefropatia diabética. A identificação de lesões podocitárias em imagens histológicas é desafiadora, devido à dificuldade de distinção celular e ao caráter laborioso do diagnóstico. Este estudo propôs estratégias para aprimorar algoritmos de classificação binária e segmentação semântica de lesões podocitárias em cenários de dados limitados, desbalanceados e multicoloridos. Foram desenvolvidos um classificador de podocitopatia e uma nova abordagem de segmentação baseada na fusão dos espaços de cor RGB e HED, além da criação de um conjunto de dados multicorante, anotado em quatro classes de lesões podocitárias. Os experimentos indicaram que as soluções propostas elevaram o desempenho dos modelos de classificação, com aumento do F1-score de 87,8% para 90,9%. Também foi observado impacto positivo na prática médica, com o índice de concordância entre patologistas (Fleiss’ Kappa) aumentando de 0,59 para 0,83. Na segmentação, os métodos propostos proporcionaram ganhos médios de até 9,1% no F1-score e 8,5% no IoU. Os resultados evidenciam o potencial das técnicas desenvolvidas para apoiar o diagnóstico na nefropatologia e fortalecer a aplicação da inteligência artificial na patologia computacional.