Navegando por Assunto "Câncer de pele"

Agora exibindo 1 - 3 de 3

Abordagem anestésica em mastocitoma cervical canino: relato de caso
(2026-02-09) Sarinho, Kauã de Lima; Tenório, Ana Paula Monteiro; http://lattes.cnpq.br/1785548386077618; http://lattes.cnpq.br/5718077596865396
O Estágio Supervisionado Obrigatório (ESO) é uma disciplina obrigatória do último período do curso Bacharelado de Medicina Veterinária da Universidade Federal Rural de Pernambuco (UFRPE). Consiste na realização de atividades práticas da área de escolha do discente, com duração total de 420h. O presente relatório visa descrever as atividades práticas realizadas na área de Anestesiologia Veterinária em duas etapas: a primeira foi realizada no Hospital Veterinário da UFRPE, cujo endereço é Rua Manoel Medeiros s/n, Recife-PE, iniciado em 5 de Setembro de 2025 e finalizado em 31 de Outubro de 2025, totalizando 360h. A segunda etapa do estágio foi realizada na Clínica Veterinária Villa Pet, localizada na Rua São Vicente nº 213, Recife-PE, do dia 3 de novembro de 2025 ao dia 14 de novembro de 2025, totalizando 60h. O ESO permitiu o aprimoramento do discente em sua área de escolha, anestesiologia, vivenciando práticas de pequenos animais, grandes animais e animais silvestres, sempre supervisionado pelos técnicos e residentes do Departamento de Medicina Veterinária (DMV) da UFRPE e pelos médicos veterinários da Clínica Villa Pet, contribuindo para consolidação de seus conhecimentos teóricos e práticos da anestesiologia. O presente trabalho é dividido em dois capítulos. O primeiro concentra a vivência do discente em seu ESO e suas casuísticas. O segundo descreve um relato de caso vivenciado pelo discente e, neste caso, foi o relato de uma cadela idosa com um mastocitoma submetida à uma exérese cirúrgica do tumor, com diagnóstico confirmado posteriormente pelo exame histopatológico. O objetivo deste relato foi a realização de um protocolo anestésico efetivo que mantivesse a paciente estável no trans-operatório, e, principalmente, no pós-operatório, por se tratar de uma cirurgia que teve a duração de aproximadamente 4h. O protocolo realizado foi de uma anestesia parcialmente intravenosa (PIVA) sem a realização de um bloqueio locorregional, pois pela localização do tumor, em região cervical, esse bloqueio seria inviável devido ao risco de degranulação, distorção anatômica e disseminação celular. Além disso, há uma complexidade inervacional na região, podendo correr o risco de haver um bloqueio indesejado.
Técnicas preditivas para auxílio no diagnóstico de melanomas via imagens
(2024-10-02) Silva Júnior, José Carlos Monte; Soares, Rodrigo Gabriel Ferreira; http://lattes.cnpq.br/2526739219416964
O câncer de pele é o tipo mais comum de câncer no mundo, dividido em dois tipos principais: melanoma e não melanoma. Embora mais raro, o melanoma é o mais letal devido ao seu potencial de causar metástase. Métodos não invasivos, como a dermatoscopia e a regra ABCDE, têm sido utilizados para evitar procedimentos cirúrgicos desnecessários e têm ajudado na identificação de lesões, contribuindo para diagnósticos mais rápidos. Com o avanço da tecnologia, a Inteligência Artificial (IA) ganhou destaque, mostrando-se uma solução promissora para a análise de dados médicos, especialmente com o uso de Redes Neurais Convolucionais (RNCs), que podem reconhecer padrões em imagens dermatoscópicas e ajudar na classificação de lesões como melanoma ou não melanoma de forma automatizada. Este projeto propõe um comitê de classificadores baseado em Redes Neurais Convolucionais para classificar imagens dermatoscópicas como melanoma ou não melanoma, comparando seu desempenho com arquiteturas validadas, como AlexNet e VGG-16, utilizando técnicas de Transfer Learning. As análises de Precisão, Revocação e Pontuação F1 mostraram que o comitê de Redes Neurais Convolucionais superou os modelos que utilizam técnicas de Transfer Learning, com a AlexNet apresentando desempenho superior à VGG-16. O comitê de Redes Neurais Convolucionais demonstrou uma maior capacidade de generalização, mostrando-se promissor ao capturar as características relevantes das imagens, revelando potencial para aplicações médicas, embora ainda precise ser refinado para atingir padrões clínicos.
Uma abordagem para o suporte ao diagnóstico de melanoma por imagem via comitês de autoencoders
(2021-12-17) Silva, Evele Kelle Lemos; Soares, Rodrigo Gabriel Ferreira; http://lattes.cnpq.br/2526739219416964
O câncer de pele é o tipo de câncer mais comum no Brasil, representando cerca de 33% dos casos de neoplasias malignas no país. O Melanoma é um tipo de câncer de pele que representa somente 3% dos casos de câncer no órgão, mas é considerado o mais ofensivo devido à sua alta possibilidade de metástase, que se trata da disseminação do câncer para outros órgãos. Embora o melanoma seja considerado a principal doença fatal da pele, a introdução de novos medicamentos juntamente com a detecção do tumor em seus estágios iniciais, têm contribuído para prognósticos positivos. Através da regra ABCDE, é possível perceber o melanoma por meio de características presentes na lesão, no entanto, a identificação do melanoma por meio da observação muitas vezes é falha, principalmente quando se trata de um médico ainda inexperiente. Diante disto, este trabalho tem como objetivo de selecionar e utilizar técnicas de Aprendizado de Máquina para propor um modelo que possa auxiliar médicos dermatologistas na identificação de lesões da pele através de imagens dermatoscópicas, servindo como uma segunda opinião sobre se tratar ou não de melanoma. O modelo proposto foi comparado com técnicas amplamente utilizadas na literatura para resolução de problemas complexos, com o objetivo de apresentar um desempenho superior. Utilizando a Precisão e Revocação o modelo proposto se mostrou equiparável aos demais, embora tenha tido acesso a somente 0,1% das dimensões da imagem, o que indica que o modelo trabalhou bem ao encontrar as características que discriminam as lesões da pele.