Notícias

Banca de DEFESA: MAURA GÉSSICA RODRIGUES DA ROCHA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MAURA GÉSSICA RODRIGUES DA ROCHA
DATA: 18/05/2022
HORA: 08:00
LOCAL: Sala Virtual do Google Meet
TÍTULO: Detecção e identificação de parasitas da malária usando detectores de objetos baseados em redes neurais profundas: uma ampla análise comparativa
PALAVRAS-CHAVES: Malária. Plasmodium. YOLO. SSD. EfficientDet. Faster R-CNN
PÁGINAS: 58
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

A malária é uma doença infecciosa transmitida pela picada da fêmea do mosquito Anopheles,

infectada por Plasmodium, disseminada em regiões tropicais e subtropicais do planeta. O

diagnóstico precoce e o tratamento imediato e eficaz são necessários para evitar alguns

problemas, tais como: anemia, falência de órgãos e mortes. A microscopia manual é a

principal técnica usada para o diagnóstico da malária. Porém, esse exame é trabalhoso e

requer profissionais qualificados. A fim diminuir essas dificuldades, pesquisadores estão

utilizando conceitos de aprendizagem de máquina para detectar e identificar células

infectadas pelo parasita Plasmodium. Este trabalho apresenta um estudo comparativo de

quatro versões recentes da rede neural convolucional You Only Look Once (YOLO), são elas:

YOLOv3 PyTorch, YOLOv4, Scaled-YOLOv4 e YOLOv5; e as redes Single Shot MultiBox

Detector (SSD), EfficientDet e Faster R-CNN para a detecção e classificação do parasita

da malária em seis cenários diferentes. Foram utilizados quatro conjuntos de imagens

públicas para os testes, MP-IDB, B, BBBC041v1 e IML-Malaria, com 210, 1.182, 1.328 e

345 imagens, respectivamente. O modelo YOLOv5 superou os outros modelos avaliados.

Nos testes com o modelo YOLOv5, os seis cenários apresentaram os seguintes resultados:

detecção e classificação de P. falciparum com mAP (90,03%); diferenciar espécies de

P. falciparum e P. vivax o modelo alcançou mAP (92,76%); diferenciar células sanguíneas

saudáveis e infectadas mAP (92,46%); diferenciar as quatro espécies de parasitas da

malária: P. falciparum, P. malaria, P. ovale e P. vivax obteve mAP (85,76%); diferenciar

as fases de vida do parasita com mAP (82,80%) e diferenciar leucócito vs. hemácia vs. anel

vs. gametócito vs. esquizonte vs. trofozoíto com mAP (63,30%). Seus resultados tiveram

desempenho semelhante aos trabalhos do estado da arte, demonstrando a viabilidade

e eficácia do YOLOv5 para detectar e identificar parasitas da malária em imagens de

esfregaço de sangue fino com alta precisão e sensibilidade.


MEMBROS DA BANCA:
Presidente - 1579396 - RODRIGO DE MELO SOUZA VERAS
Interno - 1350246 - KELSON ROMULO TEIXEIRA AIRES
Interno - 1642492 - LAURINDO DE SOUSA BRITTO NETO
Externo à Instituição - IALIS CAVALCANTE DE PAULA JUNIOR - UFC
Notícia cadastrada em: 20/04/2022 09:35
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb05.ufpi.br.instancia1 11/08/2022 21:24