18 nov 2025
09:00 Defesa de Mestrado sala 85 do IC2
Tema
Detecção de Parasitos Intestinais em Microscopia Óptica: uma abordagem baseada em Dicionários de Pontos Característicos, Modelagem de Forma e Árvores Dinâmicas com Relaxação
Aluno
Marcelo Luis Rodrigues Filho
Orientador / Docente
Alexandre Xavier Falcão
Breve resumo
Modelos convencionais de Aprendizado Profundo baseados em Retropropagação exigem grandes volumes de dados anotados e alto poder computacional, o que limita sua aplicabilidade em cenários com infraestrutura restrita. Esse desafio é particularmente crítico em aplicações biomédicas, como a detecção de ovos de parasitos intestinais em imagens de microscopia óptica, onde a coleta e anotação de dados são dispendiosas e os recursos computacionais são escassos, especialmente em laboratórios da rede pública brasileira.
Esta dissertação propõe uma abordagem eficiente para Detecção de Objetos Salientes voltada à identificação de parasitos intestinais, combinando três componentes principais: (i) incorporação de conhecimento de forma por meio de algoritmos especializados na detecção de estruturas elípticas e circulares; (ii) delineamento de objetos utilizando Árvores Dinâmicas com Relaxação, garantindo a regularização das bordas do mapa de saliência em nível de pixel; e (iii) uma extensão do paradigma de treinamento de redes convolucionais, denominado Aprendizado de Características por Marcadores de Imagem, com a introdução do Dicionário de Pontos Característicos — técnica que permite controle sobre a localização dos filtros, viabiliza o aprendizado com poucas imagens e melhora a eficácia da detecção.
O fluxo de execução proposto nesta dissertação elimina a necessidade de Retropropagação para ajuste de parâmetros, reduz significativamente os requisitos de anotação e permite que especialistas projetem codificadores convolucionais alinhados ao conhecimento humano. A metodologia foi avaliada em conjuntos de dados do Laboratório de Ciência de Dados de Imagem (LIDS do inglês Laboratory of Image Data Science), da UNICAMP, demonstrando desempenho superior em relação a métodos recentes de Aprendizado Profundo, com melhorias expressivas em métricas como a Pontuação-F, utilizando apenas uma fração dos parâmetros treináveis (milhares versus milhões).
Banca examinadora
Titulares:
| Alexandre Xavier Falcão | IC/UNICAMP |
| Silvio Jamil Ferzoli Guimarães | ICEI/PUC Minas |
| Marcelo da Silva Reis | IC/UNICAMP |
Suplentes:
| Hélio Pedrini | IC/UNICAMP |
| Roberto Hirata Junior | IME/USP |