Busca avançada
Ano de início
Entree

Avaliação de úlceras venosas da perna utilizando máquinas de Boltzmann restrita convolucional com programação genética para sistemas de imagem térmica

Processo: 19/13051-9
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
Vigência (Início): 11 de julho de 2019
Vigência (Término): 10 de outubro de 2019
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:João Paulo Papa
Beneficiário:Guilherme Camargo de Oliveira
Supervisor no Exterior: Dinesh Kant Kumar
Instituição-sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
Local de pesquisa : RMIT University, Melbourne, Austrália  
Vinculado à bolsa:18/10706-1 - Aprendizado de hiperparâmetros em máquinas de Boltzmann restritas utilizando programação genética, BP.IC
Assunto(s):Meta-heurística   Diagnóstico por imagem   Programação genética

Resumo

Técnicas de aprendizagem profunda têm sido amplamente utilizadas ao longo dos últimos anos devido aos seus resultados promissores em uma ampla gama de aplicações, como a análise de imagens médicas. Uma abordagem tradicional usada para resolver este problema é o conhecido modelo Máquina de Boltzmann Restrita (Restricted Boltzmann Machine - RBM), capaz de extrair recursos e aprender boas representações de dados. No entanto, uma de suas principais deficiências é ignorar a estrutura bidimensional das imagens. Uma versão melhorada do RBM, conhecida como Máquina de Boltzmann Restrita Convolucional (Convolutional Restricted Boltzmann Machine - CRBM), emprega um conceito convolucional à sua arquitetura, onde os pesos das camadas ocultas e visíveis do CRBM são compartilhados, mitigando o problema estrutural 2-D. No entanto, ainda existe o problema de selecionar adequadamente um conjunto de parâmetros. Portanto, além de estudar CRBMs, esta proposta visa utilizar a Programação Genética (Genetic Programming - GP), uma técnica de otimização meta-heurística, para selecionar os parâmetros mais adequados. Além disso, a abordagem proposta será validada no contexto das imagens térmicas de úlceras venosas da perna sob a supervisão do Prof. Dinesh Kumar, do Royal Melbourne Institute of Technology.