Tamanho da fonte: 

A análise clínica da saúde do paciente por meio de exames que envolvem a classificação e contagem de células em lâminas de esfregaço de sangue, usando microscópios, é crucial em clínicas e hospitais veterinários. Contudo, em certas situações, essa contagem é feita manualmente, resultando em eficiência reduzida e na possibilidade de erros. Neste contexto, surge a proposta da utilização de técnicas de visão computacional e aprendizado de máquina para realizar a detecção e a classificação de reticulócitos de forma automática. Para isso, optou-se pela utilização de uma rede neural convolucional (Single Shot MultiBox Detector - SSD), que será treinanda e testada com imagens obtidas das lâminas. O treinamento do modelo SSD será realizado tanto em um ambiente de desktop quanto na plataforma Google Colab, utilizando a linguagem de programação Python em conjunto com a biblioteca TensorFlow. Este trabalho é realizado em parceria com a Escola de Veterinária da UFMG, que é responsável por realizar a captura das imagens e anotação para identificação dos objetos. Posteriormente, essas imagens serão armazenadas na plataforma CVAT e, durante o processo de treinamento, serão distribuídas entre os conjuntos de treinamento, validação e teste. A métrica de precisão média (mAP) será empregada para avaliar os resultados do treinamento, fornecendo uma medida quantitativa do desempenho do modelo. Como contribuição deste trabalho, espera-se desenvolver um sistema para automatização da contagem de reticulócitos de forma eficiente, permitindo a aplicação prática da tecnologia em prol da saúde animal.

Visão Computacional. Classificação de objetos. Hematologia.