Segmentação de ovos de parasitas com uma rede FLIM-BoFP

• Processo: 24/23772-3
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 27 de março de 2025
• Data de Término da vigência: 26 de junho de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Alexandre Xavier Falcão
• Beneficiário: João Deltregia Martinelli
• Supervisor: Jefersson A dos Santos
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Instituição Anfitriã: University of Sheffield, Inglaterra
• Vinculado à bolsa: 24/08332-7 - Estimação de Filtos em Redes Convolucionais FLIM Aplicada à Detecção de Objetos, BP.IC
• Assunto(s): Aprendizado computacional Redes neurais convolucionais
• Palavra(s)-Chave do Pesquisador: Aprendizado de Características de Imagem | Aprendizado de Máquina | Detecção de objetos | Few-Shot Learning | Redes Neurais convolucionais | Aprendizado de Máquina

Resumo

Modelos de aprendizado profundo têm sido bem-sucedidos em segmentação de imagens, à custa de considerável esforço humano em anotação de dados e adaptação de redes. Esse problema é relevante em aplicações médicas devido às restrições de tempo enfrentadas pelos profissionais e ao custo de seu tempo. O FLIM (Feature Learning from Image Markers) aborda essa questão ao estimar filtros a partir de marcadores desenhados por um especialista em regiões discriminativas de um número muito reduzido de imagens (por exemplo, 5), sem a necessidade de retropropagação. Assim, o FLIM também pode criar redes leves para treinamento e inferência em ambientes com restrições de hardware. O projeto de pesquisa em andamento da FAPESP compara dois métodos de estimativa de filtros baseados na metodologia FLIM: agrupamento de patches bloco a bloco (FLIM-Cluster) e Bag of Feature Points (FLIM-BoFP). Esta proposta de FAPESP-BEPE visa refinar essa comparação, incorporando redes adicionais de aprendizado leve e few-shot, além de aprimorar o FLIM-BoFP com um decodificador adaptativo e delineador para segmentar ovos de parasitas em imagens de microscopia. A pesquisa será conduzida na University of Sheffield, sob a supervisão do Dr. Jefersson Alex dos Santos.