• Informações do Trabalho

Titulo Desenvolvimento de Modelo de Aprendizado de Máquina para Segmentação de Eosinófilos em Imagens Histológicas Subtítulo Autor JULIANA HANSEN BASDÃO FAM Orientador BARBARA DE MELO QUINTELA Resumo A contagem de eosinófilos (células do sistema imunológico) em imagens histológicas é fundamental para pesquisas biomédicas que estudam respostas inflamatórias, alérgicas e imunológicas do organismo. Porém, a demarcação dessas células nas imagens para contagem é, em grande parte, realizada manualmente, demandando muitas horas de trabalho dos pesquisadores - tempo que poderia ser direcionado a atividades intelectuais, analíticas e interpretativas. Diante desse cenário, torna-se relevante o desenvolvimento de soluções automatizadas que auxiliem na identificação e quantificação dessas células. Assim, com o objetivo de automatizar a segmentação e contagem de eosinófilos e aumentar a produtividade das pesquisas biomédicas, este trabalho propõe o desenvolvimento de um modelo computacional baseado em técnicas de aprendizado de máquina com redes neurais convolucionais para a detecção e contagem de eosinófilos em imagens microscópicas. Para isso, foi treinado um modelo utilizando o algoritmo YOLO11 em sua variante nano, que foi avaliado qualitativamente por pesquisadores especialistas de ciências biológicas e quantitativamente por métricas utilizadas na visão computacional. Assim, este projeto contribui para a redução do esforço manual e maior eficiência na análise de imagens histológicas, reduzindo o tempo de contagem de células de horas para segundos. Palavras-Chave Machine Learning, Deep Learning, Redes Neurais Convolucionais, Eosinófilo, Célula, Granuloma, Whole Slide Imaging