Aumento de Dados Utilizando Firefly e Level Sets Aplicado à Segmentação de Imagens Médicas e Biológicas
Estima-se que cerca de 75 % dos genes associados a doenças em humanos tenham homólogos em Drosophila melanogaster. Apesar dos recentes avanços nas tecnologias de captura de imagens biológicas e médicas, para a contagem de células coletadas in vivo, ainda é necessário fazer o processo manual de segme...
| Autores: | , , , , , , |
|---|---|
| Formato: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2021 |
| País: | Brasil |
| Recursos: | Sociedade Brasileira de Computação (SBC) |
| Repositorio: | Revista Eletrônica de Iniciação Científica |
| Idioma: | portugués |
| OAI Identifier: | oai:journals-sol.sbc.org.br:article/2078 |
| Acesso em linha: | https://journals-sol.sbc.org.br/index.php/reic/article/view/2078 |
| Access Level: | acceso abierto |
| Palavra-chave: | Aumento de dados Segmentação de Imagens Processamento de Imagens Data Augmentation Image Segmentation Image Processing |
| Resumo: | Estima-se que cerca de 75 % dos genes associados a doenças em humanos tenham homólogos em Drosophila melanogaster. Apesar dos recentes avanços nas tecnologias de captura de imagens biológicas e médicas, para a contagem de células coletadas in vivo, ainda é necessário fazer o processo manual de segmentação. Por outro lado, redes convolucionais vêm avançando e obtendo bons resultados, especialmente em bases com grande volume. Esse trabalho propõe a adaptação de uma técnica de aumento de dados, incrementando um pipeline de segmentação específico para imagens de microscopia confocal, e utiliza os resultados no treinamento de segmentações utilizando uma rede neural U-Net. |
|---|