Um Estudo de Caso para Detecção de Ovócitos de Peixe Utilizando Redes Neurais Convolucionais

Anais da X Escola Regional de Computação do Ceará, Maranhão e Piauí (ERCEMAPI 2022) Pub Date : 2022-09-28 DOI:10.5753/ercemapi.2022.224774

Yanna K Cruz, E. Santana, A. F. M. Silva, I. A. D. Nascimento, Raimunda N. C. Fortes, J. R. Torres-Júnior

{"title":"Um Estudo de Caso para Detecção de Ovócitos de Peixe Utilizando Redes Neurais Convolucionais","authors":"Yanna K Cruz, E. Santana, A. F. M. Silva, I. A. D. Nascimento, Raimunda N. C. Fortes, J. R. Torres-Júnior","doi":"10.5753/ercemapi.2022.224774","DOIUrl":null,"url":null,"abstract":"Ovócitos são células germinativas complexas que apresentam mudanças estruturais e funcionais ao longo do desenvolvimento maturacional em peixes. Distinguir ovócitos em imagens histológicas é um procedimento demorado, tedioso e suscetível a erros, pois geralmente, ocorre uma interpretação visual e subjetiva pelo especialista. Esta pesquisa propõe um estudo de caso que demonstra uma abordagem capaz de detectar ovócitos de forma automática. Para isso, uma base de imagens foi utilizada, sendo esta divida em treino, teste e validação. Técnicas para o aumento de dados foram empregadas a fim de tornar o modelo mais robusto. Para a detecção dos ovócitos a arquitetura YOLOv5x foi aplicada na base de imagens. Os resultados obtidos foram promissores, alcaçando uma taxa de precisão de 83,0% para a classe VI - vitelogênese inicial, e 97,7%, 95,3% e 66,8%, repectivamente de revocação, mAP@0.5 e mAP@0.95, para a classe VF - vitelogênese final.","PeriodicalId":278046,"journal":{"name":"Anais da X Escola Regional de Computação do Ceará, Maranhão e Piauí (ERCEMAPI 2022)","volume":"30 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-09-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais da X Escola Regional de Computação do Ceará, Maranhão e Piauí (ERCEMAPI 2022)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/ercemapi.2022.224774","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Ovócitos são células germinativas complexas que apresentam mudanças estruturais e funcionais ao longo do desenvolvimento maturacional em peixes. Distinguir ovócitos em imagens histológicas é um procedimento demorado, tedioso e suscetível a erros, pois geralmente, ocorre uma interpretação visual e subjetiva pelo especialista. Esta pesquisa propõe um estudo de caso que demonstra uma abordagem capaz de detectar ovócitos de forma automática. Para isso, uma base de imagens foi utilizada, sendo esta divida em treino, teste e validação. Técnicas para o aumento de dados foram empregadas a fim de tornar o modelo mais robusto. Para a detecção dos ovócitos a arquitetura YOLOv5x foi aplicada na base de imagens. Os resultados obtidos foram promissores, alcaçando uma taxa de precisão de 83,0% para a classe VI - vitelogênese inicial, e 97,7%, 95,3% e 66,8%, repectivamente de revocação, mAP@0.5 e mAP@0.95, para a classe VF - vitelogênese final.

查看原文本刊更多论文

用卷积神经网络检测鱼卵母细胞的案例研究

卵母细胞是复杂的生殖细胞，在鱼类成熟过程中表现出结构和功能的变化。在组织学图像中区分卵母细胞是一个耗时、乏味且容易出错的过程，因为通常由专家进行视觉和主观的解释。本研究提出了一个案例研究，证明了一种能够自动检测卵母细胞的方法。为此，使用了一个图像数据库，分为训练、测试和验证。为了使模型更健壮，采用了数据增强技术。在图像数据库中应用YOLOv5x结构检测卵母细胞。结果很有希望，VI类-初始卵黄发生的准确率为83.0%，VF类-最终卵黄发生的准确率分别为97.7%、95.3%和66.8%，分别为mAP@0.5和mAP@0.95。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Anais da X Escola Regional de Computação do Ceará, Maranhão e Piauí (ERCEMAPI 2022)

自引率

0.00%

发文量