PPGEE/CCET

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: ANTONIO FHILLIPI MACIEL SILVA
DATA: 17/09/2026
HORA: 14:00
TÍTULO: Uma Abordagem Baseada em Aprendizagem de Máquina para Segmentação de Lesões em Imagens Histológicas de Peixes Associadas à Biomarcadores de Contaminação Aquática
PALAVRAS-CHAVES: Sciades herzbergii; Segmentação Semântica; Agrupamento Espacial Piramidal com Convoluções Atrous; Módulo de Compressão e Excitação; Aprendizado Profudo; Biomonitora
PÁGINAS: 107
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO: A segmentação histológica de lesões branquiais em peixes é uma etapa crucial na análise de biomarcadores ambientais, visto que alterações morfológicas em espécies bioindicadoras, como Sciades herzbergii, fornecem evidências biologicamente significativas de exposição a contaminantes aquáticos. Nesse contexto, a histologia branquial permite a avaliação de biomarcadores; no entanto, a quantificação manual de lesões continua sendo demorada, dependente do observador e difícil de escalar para programas de monitoramento ambiental. Além disso, essa tarefa permanece desafiadora devido à presença de texturas heterogêneas, limites de lesões fragmentados, regiões de baixo contraste e variabilidade de coloração. Para abordar essas questões, este estudo propõe uma estrutura de aprendizado profundo para a segmentação semântica de Deslocamento do Epitélio (DE) e Hiperplasia (HI) em imagens histológicas de brânquias. O modelo proposto combina um codificador ResNet-50, uma ponte com Agrupamento Espacial Piramidal com Convoluções Atrous (Atrous Spatial Pyramid Pooling - ASPP) para agregação contextual multiescala e recalibração de canal baseada em um módulo de Compressão e Excitação (Squeeze-and-Excitation - SE), e um decodificador U-Net++ aninhado com supervisão profunda. O conjunto de dados GillHistDB também foi desenvolvido para este estudo, compreendendo 447 imagens histológicas RGB e 29.730 lesões anotadas, incluindo 16.855 instâncias DE e 12.875 instâncias HI. O método proposto alcançou o melhor desempenho geral entre os modelos avaliados nas principais métricas baseadas em sobreposição. No nível de classe, obteve valores de Dice de (0,842 ± 0,055) para DE e (0,684 ± 0,190) para HI, com valores de IoU correspondentes de (0,731 ± 0,080) e (0,548 ± 0,196), respectivamente. Para DE, o método também alcançou o maior recall (0,848 ± 0,074), enquanto para HI alcançou a maior precisão (0,653 ± 0,205) e manteve um alto recall (0,767 ± 0,139). Estes resultados indicam que a arquitetura proposta oferece uma solução eficaz e robusta para a segmentação de lesões histológicas em brânquias, ao mesmo tempo que o GillHistDB estabelece um referencial relevante para apoiar estudos futuros sobre biomonitoramento ambiental, biomarcadores histológicos e a avaliação da poluição aquática.
MEMBROS DA BANCA:
Interno - 271976 - ALLAN KARDEC DUAILIBE BARROS FILHO
Presidente - 242.673.413-20 - EWALDO EDER CARVALHO SANTANA
Interno - 2227891 - FRANCISCO DAS CHAGAS DE SOUZA
Externo à Instituição - RAIMUNDA NONATA FORTES CARVALHO NETA - UEMA
Externo à Instituição - RAIMUNDO CARLOS SILVÉRIO FREIRE - UFCG