Detecção do parasita da malária em filmes de gota espessa utilizando redes neurais rasas e técnicas de processamento digital de imagens

• Ano de defesa: 2023
• Autor(a) principal: Nascimento, Mateus Saraiva
• Outros Autores: http://lattes.cnpq.br/0509226382571921
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Amazonas; Faculdade de Tecnologia; Brasil; UFAM; Programa de Pós-graduação em Engenharia Elétrica
• Palavras-chave em Português: Linguagem de programação (Computadores); Redes neurais (Computação); Malária - Detecção; CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: LINGUAGENS DE PROGRAMACAO; ENGENHARIAS: ENGENHARIA ELETRICA: ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS: AUTOMACAO ELETRONICA DE PROCESSOS ELETRICOS E INDUSTRIAIS; Malária; Detecção; Parasita; Gota Espessa; Redes Neurais
• Link de acesso: https://tede.ufam.edu.br/handle/tede/9746

A região amazônica registra cerca de 90% dos casos de malária do Brasil e a transmissão da doença está relacionada diretamente às condições ambientais da região, principalmente no interior da capital, onde o diagnóstico da doença também é tardio devido à escassez de profissionais qualificados (BRASIL, 2020). Este trabalho traz uma nova perspectiva para a detecção de parasitas da malária em imagens de gota espessa ao utilizar redes neurais simples e técnicas de processamento digital de imagens. O objetivo final deste trabalho é detectar o parasita através de uma rede neural que possa ser embarcada em dispositivos móveis de baixa capacidade de memória, como smartphones. Os trabalhos mais recentes utilizam arquiteturas neurais complexas como Efficient NET ou ROENet, ou redes especializadas para detecção de objetos, tais como YOLO e Faster-RCNN, o que dificulta embarcar o sistema desenvolvido em dispositivos móveis. As técnicas apresentadas neste trabalho se baseiam em redes como perceptron simples, multicamadas e regressor logístico associados a técnicas como segmentação através do método de Otsu e morfologia matemática. Os melhores resultados obtidos são precisão: 96,33%, sensibilidade: 98,85% e F1-score: 97,57% e superam resultados quando comparados a literaturas publicadas anteriormente. No entanto, não foi possível efetuar uma comparação rigorosa entre todos os trabalhos devido à utilização de diferentes bancos de imagens.