O aprendizado de máquina se baseia em algoritmos que buscam modelar abstrações de alto nível de dados
Pedro Victor de Abreu Fonseca
Estudante da graduação em Ciência da Computação pela Universidade Federal do Maranhão (UFMA).
Técnico em Informática pelo Instituto Federal de Educação, Ciência e Tecnologia do Maranhão (IFMA) Campus São Luís Monte Castelo.
Pesquisador na área de Computação. Atuação em desenvolvimento e análise de software.
Segmentar a escavação e disco óptico de estruturas presentes na retina foi o objetivo da pesquisa “Segmentação semântica de estruturas da retina utilizando Deep Learning”, realizada pelo cientista da Computação, Pedro Victor de Abreu Fonseca. No estudo, ele avalia, também, os vasos sanguíneos a partir da utilização de variados métodos de aprendizado. O trabalho teve coordenação do professor João Dallyson Sousa de Almeida, doutor em Engenharia da Eletricidade (UFMA).
O pesquisador explica que o estudo teve o objetivo de realizar a segmentação da escavação e disco óptico, que são estruturas presentes na retina. Ele aponta ter observado no andamento da pesquisa, que há dificuldade das chamadas ‘arquiteturas convolucionais’ executarem esta tarefa. Citou, ainda, a contribuição das literaturas existentes para essa conclusão.
“Diversos autores já pesquisaram e publicaram trabalhos que possuem o mesmo objetivo, utilizando-se de técnicas de processamento de imagem e, até mesmo, de modificações realizadas nos modelos usados para segmentar estas mesmas estruturas. Com isto, resolvemos utilizar a metodologia proposta no nosso trabalho, nossa contribuição de divisão proporcional das amostras, para verificar como esta iria se comportar em tais procedimentos”, reiterou Pedro Fonseca.
O método utilizado para as análises do estudo agregou um conjunto de etapas. Inicialmente foi realizado o pré-processamento das amostras, redimensionamento das imagens e correção das máscaras que delimitam as estruturas da retina. Após isto, foi feita a divisão proporcional dos exames de fundo de olho utilizados para treinamento, etapa que pode ser feita de duas formas distintas: com divisão baseada na área de interesse, por meio do cálculo da média dos pixels brancos na região; e divisão com extração de características das amostras, que se trata de modelo baseado em aprendizado profundo e é utilizado para extrair características das máscaras dos exames de fundo de olho, seguido do agrupamento de exames com características semelhantes.
Em seguida ao método da divisão, foi realizado o procedimento de aumento da quantidade de exames disponíveis para treinamento, na qual técnicas de processamento de imagem são aplicadas nas amostras criando novas imagens, etapa nomeada de aumento de dados. Por fim, o modelo é posto para treinamento e geração de resultados.
“Nossa contribuição apresentou resultados promissores quando comparado com outros trabalhos presentes na literatura, tanto na tarefa de segmentação do disco óptico quanto da escavação óptica, chegando até mesmo ultrapassar as métricas obtidas por alguns deles. Neste caso, as métricas dos valores obtidos pelas predições do nosso modelo foram coletadas e comparadas com os resultados disponíveis na literatura”, frisou o pesquisador.
A comprovação, segundo o pesquisador, é que há um conjunto de treino mais balanceado possível, independentemente da forma como a divisão proporcional é realizada. Em relação às amostras, pode impactar positivamente na tarefa de segmentação das estruturas da retina.
O estudo foi realizado pelo período de um ano e concluído. Contudo, o pesquisador ressalta a possibilidade de “ampliar esse trabalho para chegar ao aperfeiçoamento do método, com fins a obtermos resultados melhores”.
Recentemente, Pedro Fonseca recebeu convite da revista ‘Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization’, publicação internacional especializada no segmento, para divulgação do estudo.
A pesquisa contou com recursos do edital do Projeto Universal FAPEMA e do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq). “A FAPEMA foi muito importante para o andamento desta pesquisa e vejo com grande satisfação podermos ter a oportunidade de levar à frente a pesquisa cientifica no Maranhão”, ressaltou.
“Como recomendação podemos citar o uso de arquiteturas mais refinadas e o incremento da quantidade de amostras utilizadas com a adesão de novos datasets. Também pode-se estudar a portabilidade do nosso modelo para aplicativos móveis de forma com que o mesmo possa auxiliar os oftalmologistas”, concluiu Pedro Fonseca.
