| Título: | Análise Comparativa de Arquiteturas Convolucionais e Baseadas em Atenção para Detecção Automatizada de Parasitas Intestinais |
| Autor(es): | Lima, Eduardo Vieira |
| Orientador(es): | Rispoli, Vinicius de Carvalho |
| Assunto: | Redes neurais convolucionais (Computação)
Inteligência artificial |
| Data de apresentação: | 29-Jul-2025 |
| Data de publicação: | 19-Nov-2025 |
| Referência: | LIMA, Eduardo Vieira. Análise Comparativa de Arquiteturas Convolucionais e Baseadas em Atenção para Detecção Automatizada de Parasitas Intestinais. 2025. 97 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) — Universidade de Brasília, Brasília, 2025. |
| Resumo: | A detecção e classificação de parasitas intestinais através de microscopia óptica representam um desafio significativo na área médica, especialmente em regiões com recursos limitados, sendo a análise manual o padrão atual. Este trabalho se propôs a analisar e comparar as principais soluções de classificação automática no campo da visão computacional, redes convolucionais e transformadores visuais, apresentando também uma abordagem híbrida entre elas. Foram exploradas soluções que priorizam a eficiência computacional: EfficientNetV2-S para a rede convolucional e Tiny ViT para o transformador visual, tendo em vista cenários com recursos limitados. Foi utilizado para treinamento e avaliação um dos maiores conjuntos de imagens microscópicas de parasitas disponível publicamente, o Chula-ParasiteEgg-11, contendo 2.200 imagens de 11 espécies distintas de parasitas. Os resultados obtidos demonstram que as soluções analisadas são viáveis e
possuem acurácia satisfatória, sendo a rede convolucional a que melhor performa em termos de eficiência e acurácia, seguida do modelo híbrido e então do transformador visual. Observou-se que as soluções possuem resultados razoavelmente inferiores aos modelos mais robustos da literatura, porém utilizam significativamente menos recursos computacionais, o que as torna viáveis para situações em que o recurso é limitado. |
| Abstract: | The detection and classification of intestinal parasites through optical microscopy represents a significant challenge in the medical field, especially in resource-limited regions, where manual analysis remains the current standard. This work aimed to analyze and compare the main automatic classification solutions in the field of computer vision, convolutional networks and visual transformers, also presenting a hybrid approach between them. Solutions that prioritize computational efficiency were explored: EfficientNetV2-S
for the convolutional network and Tiny ViT for the visual transformer, considering scenarios with limited resources. One of the largest publicly available microscopic parasite image datasets was used for training and evaluation, the Chula-ParasiteEgg-11, containing 2,200 images of 11 distinct parasite species. The obtained results demonstrate that the analyzed solutions are viable and have satisfactory accuracy, with the convolutional network performing best in terms of efficiency and accuracy, followed by the hybrid model and then the visual transformer. It was observed that the solutions have reasonably inferior results compared to the more robust models in the literature, however they use significantly fewer computational resources, making them viable for situations where resources are limited. |
| Informações adicionais: | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade UnB Gama, 2025. |
| Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
| Aparece na Coleção: | Engenharia de Software
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.
