Análise de texturas baseada em redes neurais randomizadas com aplicações em diagnóstico de doenças

Resumo

A análise de textura é uma tarefa clássica, porém ainda desafiadora, em visão computacional, para a qual redes neurais artificiais estão sendo aplicadas ativamente. A maioria das abordagens se aproveitam de grandes e complexas arquiteturas de redes neurais convolucionais treinadas com enormes bases de dados e que demandam alto poder de processamento. Em contraste com essas abordagens baseadas em complexas arquiteturas, as Redes Neurais Randomizadas (RNNs) podem fornecer descritores de texturas baseados em um paradigma de aprendizado de representações simples que possui baixo custo computacional (graças ao treinamento baseado em uma solução de forma fechada), que utiliza poucos dados e de fácil interpretação. Nesse sentido, este projeto objetiva estudar, implementar e desenvolver melhorias em técnicas de aprendizado de representações de texturas usando Redes Neurais Randomizadas, visando extrair ricas representações com baixo custo computacional e usando poucos dados. Além disso, os métodos de análise de texturas estudados e desenvolvidos serão aplicados em imagens de microscopia (como de unidades sensoriais e tecidos) com a finalidade diagnóstico de doenças. Assim, espera-se que esta pesquisa resulte em contribuições no âmbito computacional com técnicas aprimoradas para análise de texturas e também relacionado com as áreas das aplicações com melhor desempenho em diagnósticos de doenças. Salienta-se que essas contribuições são congruentes com os objetivos do projeto temático (processo, 2018/22214-6) do qual este projeto é parte, cuja meta é a convergência de tecnologias para diagnóstico.