| Processo: | 23/08159-0 |
| Modalidade de apoio: | Bolsas no Brasil - Iniciação Científica |
| Data de Início da vigência: | 01 de setembro de 2023 |
| Data de Término da vigência: | 31 de dezembro de 2024 |
| Área de conhecimento: | Ciências da Saúde - Medicina |
| Pesquisador responsável: | José Celso Rocha |
| Beneficiário: | Bruno Araújo Mendes |
| Instituição Sede: | Faculdade de Ciências e Letras (FCL-ASSIS). Universidade Estadual Paulista (UNESP). Campus de Assis. Assis , SP, Brasil |
| Assunto(s): | Aprendizagem profunda Inteligência artificial Técnicas de reprodução assistida |
| Palavra(s)-Chave do Pesquisador: | Classificação Embrionária | Deep Learning | Inteligência Artificial | reprodução assistida | Reprodução Assistida |
Resumo A infertilidade é um problema de saúde a nível mundial, que assola um número considerável de pessoas e tem diversas causas, desde hábitos de vida prejudiciais até fatores genéticos. Este problema acaba por atrair diversos casais às clínicas de reprodução assistida para que possam realizar o sonho de terem um filho(a). A técnica de reprodução assistida vem sendo aprimorada com o passar dos anos de modo a aumentar a taxa de sucesso na gravidez. Dentre os avanços que foram alcançados até o momento estão: a criação da técnica de injeção intracitoplasmática de espermatozoides, o surgimento de incubadoras como o EmbryoScope® e a Geri® e da tecnologia de time-lapse. Outra tecnologia que está ganhando espaço na área de pesquisa para auxiliar médicos e embriologistas é a inteligência artificial. Existem diversas aplicações desta técnica dentro da reprodução assistida como na escolha e classificação de oócitos, espermatozoides e embriões, até a predição da taxa de implantação e de gravidez. Dentre as técnicas mais conhecidas de inteligência artificial, duas se destacam das demais: o machine learning - ML e o deep learning - DL. O machine learning uma abordagem que envolve o treinamento de algoritmos para aprenderem padrões para realizar tarefas específicas com base nos conjuntos de dados. Esses algoritmos são projetados para extrair insights dos dados, identificar padrões e fazer previsões com base nessas informações. Existem diferentes técnicas de machine learning, como regressão linear, árvores de decisão, algoritmos de clustering, entre outros.Já o deep learning é um subcampo específico do machine learning que se concentra em algoritmos conhecidos como redes neurais convolucionais - RNCs. As redes neurais convolucionais são inspiradas no funcionamento do cérebro humano e são compostas por várias camadas de unidade de processamento, chamadas neurônios artificiais. Essas redes são capazes de aprender de forma automática a partir de grandes volumes de dados brutos, identificando características complexas e hierárquicas nos dados.Desta forma, este projeto visa a criação e a implementação de uma rede neural convolucional baseada em DL que consiga realizar um prognóstico em relação ao sucesso ou não da gravidez. Todas as técnicas serão desenvolvidas e implementadas na plataforma Matlab®, que apresenta um toolbox especializado no processo de deep learning. O projeto será desenvolvido no laboratório de matemática aplicada da Unesp de Assis - LaMAp que tem condições suficientes para a elaboração da pesquisa. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |