João Mendes
Gabinete no IBEB
1.02
Contactos
E-mail: jpmendes[at]ciencias.ulisboa.pt
Redes profissionais
Tópicos de investigação
- Cancro da Mama
- Imagem Médica
- Inteligência Artificial
Biografia
João Mendes, nascido em 1998, concluiu o Mestrado Integrado em Engenharia Biomédica e Biofísica pela Faculdade de Ciências da Universidade de Lisboa (FCUL).
No último ano da sua licenciatura foi estagiário na Fundação Champalimaud, onde estudou aplicações computacionais para o diagnóstico de Embolia Pulmonar.
Durante a sua tese de mestrado no IBEB, começou a trabalhar com Inteligência Artificial aplicada à imagiologia médica. O seu trabalho centrou-se na utilização de modelos de Machine Learning para diagnosticar Cancro da Mama através de mamografias. O seu trabalho resultou num artigo científico publicado e foi apresentado numa conferência internacional.
No início de 2022, inscreveu-se no programa de Doutoramento em Engenharia Biomédica e Biofísica da FCUL. O seu projeto de doutoramento tem como objetivo desenvolver um modelo Multimodal de Inteligência Artificial capaz de prever o risco futuro de desenvolvimento de Cancro da Mama com base em imagens médicas da mama classificadas como “saudáveis”. O mérito do projeto foi reconhecido pela Fundação para a Ciência e Tecnologia, que lhe concedeu uma bolsa de quatro anos para o seu doutoramento. Até à data, o trabalho do João durante o seu doutoramento foi apresentado em vários encontros científicos nacionais e resultou em três artigos científicos publicados.
O João é atualmente Professor Assistente Convidado na FCUL.
Publicações
Publicações em revistas
(2024) Artificial Intelligence for Hierarchical Tumor Masking Potential Classification in Mammograms, Innovative Practice in Breast Health, p. 100014, Elsevier, doi:10.1016/j.ibreh.2024.100014
(2024) Artificial intelligence on breast cancer risk prediction, Societal Impacts 4, p. 100068, Elsevier, doi:10.1016/j.socimp.2024.100068
(2024) Breast Cancer Molecular Subtype Prediction: A Mammography-Based AI Approach, Biomedicines 12(6), p. 1371, MDPI, doi:10.3390/biomedicines12061371
(2023) Digital Breast Tomosynthesis: Towards Dose Reduction through Image Quality Improvement, Journal of Imaging 9(6), p. 119, MDPI, doi:10.3390/jimaging9060119
(2023) Avoiding Tissue Overlap in 2D Images: Single-Slice DBT Classification Using Convolutional Neural Networks, Tomography 9(1), p. 398-412, MDPI, doi:10.3390/tomography9010032
(2023) Make It Less Complex: Autoencoder for Speckle Noise Removal—Application to Breast and Lung Ultrasound, Journal of Imaging 9(10), p. 217, doi:10.3390/jimaging9100217
(2022) AI in Breast Cancer Imaging: A Survey of Different Applications, Journal of Imaging 8(9), p. 228, MDPI, doi:10.3390/jimaging8090228
(2021) Breast cancer risk assessment: A review on mammography-based approaches, Journal of Imaging 7(6), p. 98, MDPI, doi:10.3390/jimaging7060098