Segmentação Não Supervisionada em Microscopia de Bactérias

• Autor(a) principal: Paz, Marta Filipa da Cunha
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10362/138802
• topic: Segmentação Não Supervisionada; W-Net; Imagens de Microscopia de Bactérias; Redes Neurais Convolucionais; Autoencoder Convolucional; Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática

A segmentação de imagens de microscopia de bactérias é extremamente importante para a obtenção de estatísticas de populações de bactérias. Apesar dos resultados razoáveis apresentados pelas típicas técnicas de visão computacional, estas apresentam algumas limitações, principalmente no que toca a grupos de bactérias juntas. Nestes casos, os algo- ritmos utilizados cometem erros ao segmentar duas ou mais bactérias desses grupos como sendo uma só. A aprendizagem supervisionada profunda tem a capacidade de melhorar esses resultados. Contudo, requer uma grande quantidade de imagens manualmente se- lecionados para serem utilizadas durante o processo de treino dos modelos. No caso de imagens de microscopia de bactérias esse processo de seleção requer a anotação manual de cada bactéria presente em cada imagem, o que demora bastante tempo. Desta forma, encontrar uma solução para a segmentação não supervisionada de imagens de microsco- pia de bactérias iria não só resolver o problema da necessidade de dados rotulados, mas também o problema de grupos de bactérias juntas. A arquitetura W-Net funciona como um autoencoder e utiliza camadas totalmente convolucionais para aprender a criar uma representação da imagem de input ao mesmo tempo que produz uma máscara de segmentação da mesma. Durante esse processo é realizada a minimização da função de perda de reconstrução do autoencoder e da função de perda do corte normalizado suave da camada de codificação. Após este processo, são aplicados dois passos de pós-processamento de forma a obter a segmentação final da imagem fornecida. Esta arquitetura será adaptada de forma a acomodar uma variação no número de filtros, no número de camadas utilizadas e nos passos de pós-processamento. A solução apresentada tem como objetivo otimizar a rede W-Net e testar se é possível utilizar essa rede para segmentação de imagens de microscopia de bactérias de forma a resolver ambos os problemas mencionados anteriormente: os erros ocorridos durante o processo de segmentação de grupos de bactérias juntas e a necessidade de grandes quantidades de dados manualmente rotulados.