17abr2026
09:00 Defesa de Mestrado Sala 85 do IC
Tema
Um Estudo sobre Redes de Peso-Leve para a Classificação de Enteroparasitos
Aluno
Maria Angélica Krüger Miranda
Orientador / Docente
Alexandre Xavier Falcão
Breve resumo
As enteroparasitoses representam um grave problema de saúde pública global, afetando desproporcionalmente populações em regiões com saneamento básico precário. O diagnóstico laboratorial de referência baseia-se na microscopia óptica manual, um processo lento, fadigante e dependente da expertise do técnico. Embora a automação via aprendizado profundo tenha demonstrado potencial para auxiliar neste diagnóstico, as redes neurais convolucionais tradicionais apresentam limitações críticas para implantação em larga escala: exigem alto poder computacional e dependem de grandes volumes de dados anotados, os quais são escassos para algumas espécies de parasitos. Esta dissertação descreve o uso da técnica \textit{Feature Learning from Image Markers} (FLIM) para a classificação de enteroparasitos, um método que constrói extratores de características a partir de marcadores de imagem, sem a necessidade de retropropagação.
Diferente da técnica original, que depende da intervenção do usuário para a seleção de marcadores, esta abordagem automatiza o processo utilizando o algoritmo \textit{Dynamic Iterative Spanning Forest} (DISF). A partir da segmentação da região de interesse em superpixels, é construído um conjunto de pontos característicos que servem de base para a montagem dos filtros convolucionais da rede. O método foi avaliado em três bases de dados (ovos de helmintos, larvas de helmintos e cistos de protozoários) obtidas via técnica TF-Test e sistema DAPI. O protocolo experimental inclui uma análise comparativa abrangente, envolvendo arquiteturas do estado da arte de redes de peso-leve, além de redes treinadas do zero e outras variações, sob um cenário de aprendizado com poucos dados. Os resultados demonstram que a abordagem é competitiva, mantendo índices estáveis de acurácia, F1-Score e Kappa mesmo com conjuntos de treinamento reduzidos, apresentando um número de parâmetros inferior às arquiteturas de referência avaliadas.
Banca examinadora
Titulares:
| Alexandre Xavier Falcão | IC/UNICAMP |
| Fabio Augusto Faria | IST/ULisboa |
| Marcelo da Silva Reis | IC/UNICAMP |
Suplentes:
| Edson Borin | IC/UNICAMP |
| Fátima de Lourdes dos Santos Nunes Marques | EACH/USP |