Aprendizado de representações usando redes neurais artificiais e redes complexas com aplicações em sensores e biossensores

• Processo: 21/07289-2
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Vigência (Início): 01 de fevereiro de 2022
• Vigência (Término): 14 de agosto de 2022
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Odemir Martinez Bruno
• Beneficiário: Lucas Correia Ribas
• Instituição Sede: Instituto de Física de São Carlos (IFSC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 18/22214-6 - Rumo à convergência de tecnologias: de sensores e biossensores à visualização de informação e aprendizado de máquina para análise de dados em diagnóstico clínico, AP.TEM
• Assunto(s): Aprendizado computacional Redes complexas Redes neurais (computação) Sensores Visão computacional
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | reconhecimento de padões | Redes Complexas | Redes Neurais Artificiais | Sensores | Visão Computacional | reconhecimento de padrões e análise de imagens

Resumo

Grandes esforços têm sido feitos por pesquisadores de diferentes áreas para o desenvolvimento de sensores e biossensores para diversas finalidades tais como diagnóstico precoce de câncer, detecção de contaminação em alimentos/água, etc. Nesse sentido, muitos pesquisadores têm se concentrado no desenvolvimento de novas estratégias de detecção e diagnóstico de baixo custo. Particularmente, resultados promissores têm sido alcançados usando técnicas de aprendizado de máquina e visão computacional em imagens de unidades sensoriais. Embora muito trabalhos tenham empregado técnicas de visão computacional em imagens biológicas, ainda não há até o momento muitos estudos na literatura que exploram imagens de sensores e biossensores. Este projeto de pós-doutorado visa desenvolver novas abordagens de aprendizado de representações para caracterização de imagens usando redes neurais artificias (RNAs) e redes complexas com aplicação em imagens de sensores e biossensores. Em relação aos aspectos de pesquisa para o desenvolvimento dos métodos computacionais para caracterização de imagens, pretende-se investigar formas de aprender representações (i.e., vetores de características) com RNAs usando como fonte de entrada atributos da (ou a própria) imagem ou da rede complexa modelada de modo combinado. Em especial, as redes complexas se destacam pela capacidade de modelar padrões complexos de texturas que são observados nas imagens de unidades sensoriais. Com relação as RNAs, além das redes neurais profundas, serão investigadas as redes neurais randomizadas pela simplicidade, alto desempenho preditivo e algoritmo de aprendizado rápido. Ressalta-se também a arquitetura vision transformers que apesar dos resultados promissores em recentes trabalhos de reconhecimento de cenas/objetos, ainda não foram exploradas a fundo em problemas de análise de imagens textura e microscopia e de redes complexas. Os métodos computacionais desenvolvidos serão empregados para caracterização das imagens de unidades sensoriais visando a concepção de novas estratégias para aplicações tal como diagnóstico precoce de câncer e detecção de vírus ou contaminações. Tais dados serão gerados e fornecidos pelos diversos colaboradores do projeto temático financiado pela FAPESP (processo, 2018/22214-6) em que este projeto de pós-doutorado está vinculado. Espera-se que esta pesquisa resulte em contribuições relevantes no âmbito computacional com novas técnicas para análise de imagens e também relacionado com as áreas de físico-química e aplicações com novas estratégias de detecção e diagnóstico. Salienta-se que essa segunda contribuição é congruente com os objetivos do projeto temático.

Publicações científicas

(4)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

DE CASTRO, LUCAS D. C.; SCABINI, LEONARDO; RIBAS, LUCAS C.; BRUNO, ODEMIR M.; OLIVEIRA JR, OSVALDO N.. Machine learning and image processing to monitor strain and tensile forces with mechanochromic sensors. EXPERT SYSTEMS WITH APPLICATIONS, v. 212, p. 7-pg., 2023-02-01. (20/02938-0, 16/18809-9, 18/22214-6, 14/08026-1, 21/07289-2, 19/07811-0)

ZIELINSKI, KALLIL M. C.; RIBAS, LUCAS C.; SCABINI, LEONARDO F. S.; BRUNO, ODEMIR M.; IEEE. Complex Texture Features Learned by Applying Randomized Neural Network on Graphs. 2022 ELEVENTH INTERNATIONAL CONFERENCE ON IMAGE PROCESSING THEORY, TOOLS AND APPLICATIONS (IPTA), v. N/A, p. 6-pg., 2022-01-01. (14/08026-1, 21/07289-2, 16/18809-9, 18/22214-6)

SCABINI, LEONARDO; ZIELINSKI, KALLIL M.; RIBAS, LUCAS C.; GONCALVES, WESLEY N.; DE BAETS, BERNARD; BRUNO, ODEMIR M.. RADAM: Texture recognition through randomized aggregated encoding of deep activation maps. PATTERN RECOGNITION, v. 143, p. 13-pg., 2023-11-01. (22/03668-1, 21/09163-6, 18/22214-6, 21/07289-2, 21/08325-2, 19/07811-0)

RIBAS, LUCAS C.; SCABINI, LEONARDO; BRUNO, ODEMIR M.; IEEE. A complex network approach for fish species recognition based on otolith shape. 2022 ELEVENTH INTERNATIONAL CONFERENCE ON IMAGE PROCESSING THEORY, TOOLS AND APPLICATIONS (IPTA), v. N/A, p. 5-pg., 2022-01-01. (21/07289-2, 16/18809-9, 18/22214-6)