Bioeconomia: Diversidade e Riqueza para o Desenvolvimento Sustentável
21 a 25 de outubro de 2019
Trabalho 11870
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Engenharia/Tecnologia |
| Setor | Departamento de Engenharia Elétrica |
| Conclusão de bolsa | Não |
| Primeiro autor | Daniel Martins Marques |
| Orientador | RODOLPHO VILELA ALVES NEVES |
| Título | Mapeamento e rastreamento das patas de um rato de laboratório em filmagem estática utilizando redes neurais artificiais |
| Resumo | A biomedicina moderna utiliza ratos de laboratório para a realização de testes de produtos e medicamentos dado o fato de que estes compartilham um alto grau de homologia com os seres humanos. Além disso, os ratos possuem vantagens como a rapidez pela qual se reproduzem, apresentam baixo custo e são pequenos, tornando o seu uso em um ambiente controlado relativamente mais fácil. Em função da vasta quantidade de testes realizados nestes animais para obter-se diversos resultados, a utilização de técnicas computacionais para a realização da análise do comportamento destes torna-se útil para a redução da necessidade de trabalho humano. As redes neurais artificiais (RNAs) têm desenvolvido um papel importante neste sentido. Estas ferramentas são capazes de realizar tarefas com altas taxas de acerto, além de exercer isto de forma automatizada. Em certas situações, as redes neurais artificiais têm maiores índices de acerto do que o trabalho humano. As redes neurais são modelos computacionais baseados no cérebro humano. Um número determinado de neurônios são interconectados entre si sendo divididos entre camadas. As camadas processam as informações disponíveis nas entradas da RNA e fornecem uma resposta de acordo com função que ela foi treinada. Dentre os tipos de redes neurais, as redes neurais convolucionais (convolution neural network – CNN) são comumente utilizadas para processamento de imagens e identificação e classificação de objetos que constam nestas imagens. Como uma rede neural é uma técnica que necessita, em muitas situações, um grande poder de processamento dos computadores, decidiu-se utilizar neste trabalho uma CNN, pois apresenta um conjunto de ferramentas que reduz a demanda de processamento para a classificação de imagens. A filmagem de um rato foi realizada visualizando a parte de baixo do animal, enquanto o mesmo estava confinado em uma caixa transparente. Foram realizados estímulos no rato de forma que o mesmo se movimentasse com frequência. Através do software Matlab, foram separados os quadros do vídeo onde todo o corpo do animal aparece e, através de filtros de cor e do método de clusterização k-means, separou-se as patas do rato de forma que fosse possível classificar estas entre traseira ou dianteira, e esquerda ou direita. Assim, foi possível separar as regiões das patas do rato em cada quadro do vídeo e gerar um banco de dados de saída. O banco de dados de imagens e as posições de cada pata foram fornecidas para a CNN durante a fase de treinamento da rede. Depois de treinada, foram apresentados novos quadros do vídeo para testar se a CNN conseguia identificar cada pata do rato. A taxa de acerto da CNN até o momento é baixa, mas novas etapas de treinamento da rede podem melhorar os resultados de classificação. |
| Palavras-chave | Redes neurais convolucionais, Identificação de objetos, Biomedicina. |
| Forma de apresentação..... | Painel |