Cookies
Usamos cookies para melhorar nosso site e a sua experiência. Ao continuar a navegar no site, você aceita a nossa política de cookies. Ver mais
Fechar
  • Menu
Sobre
Download foto HD

Sobre

Carlos Ferreira é apaixonado por saúde, tecnologia e empreendedorismo desde tenra idade. Nesse sentido, começou Bioengenharia na FEUP em 2012, acabando o mesmo em 2017. Durante o mestrado teve incursões por grupos de investigação do INESC TEC e do I3S. Paralelamente fundou o student branch chapter do EMBS na U. Porto em 2015, sendo o chair do mesmo durante dois ano, e foi vice-presidente do NEB FEUP/ICBAS durante 2016/2017. Em 2017, trabalhou na U. Porto Inovação como analista de tecnologia antes de se juntar definitivamente no INESC TEC como investigador na área de análise de imagem médica para classicção de nódulos pulmonares com tomografias computarizadas. Em 2019, recebeu financiamento da FCT para realizar o seu doutoramento e tornou-se Business Development Manager do TEC4Health no INESC TEC.

Tópicos
de interesse
Detalhes

Detalhes

002
Publicações

2020

Automatic Lung Reference Model

Autores
Machado, M; Ferreira, CA; Pedrosa, J; Negrão, E; Rebelo, J; Leitão, P; Carvalho, AS; Rodrigues, MC; Ramos, I; Cunha, A; Campilho, A;

Publicação
IFMBE Proceedings - XV Mediterranean Conference on Medical and Biological Engineering and Computing – MEDICON 2019

Abstract

2020

Automatic lung nodule detection combined with gaze information improves radiologists' screening performance

Autores
Aresta, G; Ramos, I; Campilho, A; Ferreira, C; Pedrosa, J; Araujo, T; Rebelo, J; Negrao, E; Morgado, M; Alves, F; Cunha, A;

Publicação
IEEE Journal of Biomedical and Health Informatics

Abstract

2019

Wide Residual Network for Lung-Rads™ Screening Referral

Autores
Ferreira, CA; Aresta, G; Cunha, A; Mendonca, AM; Campilho, A;

Publicação
2019 IEEE 6th Portuguese Meeting on Bioengineering (ENBENG)

Abstract

2019

Quantitative Assessment of Central Serous Chorioretinopathy in Angiographic Sequences of Retinal Images

Autores
Ferreira, CA; Penas, S; Silva, J; Mendonca, AM;

Publicação
2019 IEEE 6th Portuguese Meeting on Bioengineering (ENBENG)

Abstract

2018

Classification of Breast Cancer Histology Images Through Transfer Learning Using a Pre-trained Inception Resnet V2

Autores
Ferreira, CA; Melo, T; Sousa, P; Meyer, MI; Shakibapour, E; Costa, P; Campilho, A;

Publicação
Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)

Abstract
Breast cancer is one of the leading causes of female death worldwide. The histological analysis of breast tissue allows for the differentiation of the tissue suspected to be abnormal into four classes: normal tissue, benign tumor, in situ carcinoma and invasive carcinoma. Automatic diagnostic systems can help in that task. In this sense, this work propose a deep neural network approach using transfer learning to classify breast cancer histology images. First, the added top layers are trained and a second fine-tunning is done on some feature extraction layers that are frozen previously. The used network is an Inception Resnet V2. In order to overcome the lack of data, data augmentation is performed too. This work is a suggested solution for the ICIAR 2018 BACH-Challenge and the accuracy is 0.76 in the blind test set. © 2018, Springer International Publishing AG, part of Springer Nature.