Ferramenta gráfica para o projeto interativo de redes neurais convolucionais por marcadores

• Processo: 21/08870-0
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de setembro de 2021
• Data de Término da vigência: 31 de janeiro de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Alexandre Xavier Falcão
• Beneficiário: Azael de Melo e Sousa
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?, AP.TEM
• Assunto(s): Inteligência artificial Aprendizado computacional Redes neurais convolucionais Processamento de imagem assistida por computador Diagnóstico por imagem Tomografia computadorizada Tórax COVID-19 SARS-CoV-2
• Palavra(s)-Chave do Pesquisador: CT Images of the Thorax | Explainable Artificial Intelligence | machine learning | Medical Image Processing | Processamento e Análise de Imagem Médica

Resumo

Redes Neurais Convolucionais (CNNs) têm sido usadas com sucesso em diversas aplicações de classificação de imagem, e.g., detecção de objetos, segmentação semântica e biometria. Essas redes são muitas vezes vistas como "caixas pretas", uma vez que o projetista não conta com metodologias para selecionar a arquitetura da rede, não tem controle sobre a qualidade dos filtros, e não sabe explicar as decisões da rede. A área de inteligência artificial explicável (XAI) apareceu recentemente para endereçar tais problemas, porém os métodos são mais focados em uma explicação para o usuário do que como um guia para o projetista. O grupo envolvido no projeto temático vem trabalhando na metodologia FLIM (Feature Learning From Image Markers) para construção e visualização de CNNs cujo objetivo é envolver o especialista na construção da rede. Tal envolvimento inclui a seleção manual de marcadores em regiões de interesse na imagem. Este trabalho visa uma ferramenta interativa baseada no projeto da rede FLIM e na visualização tanto de informações paramétricas, como das ativações dos filtros da rede. A ferramenta será avaliada no problema de detecção e classificação de COVID-19 em imagens de tomografia (CT) do tórax, podendo ser adaptada para outras aplicações do grupo. O projeto também conta com a colaboração de médicos radiologistas da Faculdade de Ciências Médicas da UNICAMP. (AU)