Linha de pesquisa: Ciência de Dados

Resumo: Os sistemas de apoio ao diagnóstico são cruciais para a análise de imagens histológicas, mas seu desempenho depende da extração de características robustas. Embora descrito res de geometria fractal e de Inteligência Artificial Explicável (XAI) possuam relevância, estudos recentes apontam para a superioridade de características extraídas por aprendiza gem profunda. Portanto, este trabalho propõe um sistema de classificação para imagens histológicas baseado no algoritmo Polinomial de Hermite (PH), associado a descritores de múltiplas fontes (geometria fractal, aprendizagem profunda e XAI). Para lidar com a alta dimensionalidade dos dados, o sistema integra um regularizador LASSO para seleção de atributos. A complexidade computacional inerente ao PH, por sua vez, é contornada por meio de uma implementação paralela que distribui o processo de treinamento e avaliação de múltiplos subconjuntos de características entre os núcleos da CPU. A avaliação expe rimental, realizada em bases de dados binárias e multiclasse, demonstrou a superioridade dos descritores extraídos da rede ResNet-50 (RN50) em relação às abordagens fractais e baseadas em XAI. Com os descritores RN50, a metodologia alcançou um desempenho com acurácia (ACC) de até 100% e métrica de precisão em conjuntos desbalanceados (IAM) de 1,00 em cenários de classificação binária. Em bases multiclasses, o valor de ACC foi superior a 98% e IAM 0,89. Adicionalmente, em testes de robustez em relação a ruídos, o sistema proposto manteve sua superioridade, apresentando acurácia significativamente maior que outros algoritmos de aprendizado de máquina mesmo com 50% de ruído nos atributos, tanto em cenários binários quanto multiclasses. Os resultados consolidam a combinação do classificador PH com regularização e descritores RN50 como uma aborda gem de alta precisão e robustez, com potencial para auxiliar a decisão de especialistas na prática clínica.

Link para a defesa: https://teams.microsoft.com/l/meetup-join/19%3ameeting_NzY4MTcxZGUtNDRjO...