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

• Processo: 19/13051-9
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 11 de julho de 2019
• Data de Término da vigência: 10 de outubro de 2019
• Área de 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: Dinesh Kant Kumar
• Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
• Instituição Anfitriã: 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 Aprendizagem profunda Máquinas de Boltzmann restritas
• Palavra(s)-Chave do Pesquisador: Aprendizado profundo | Imagens Médicas | Máquina de Boltzmann Restrita Convolucional | Meta-heurística | Programação Genética | úlcera venosa da perna | Imagens médicas

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. (AU)