Use este identificador para citar ou linkar para este item:
https://repositorio.uema.br/jspui/handle/123456789/4668
Título: | Automatização do reconhecimento de células germinativas em imagens histológicas de ovários de peixes: estudo de caso de peixes encontrados no estado do Maranhão |
Título(s) alternativo(s): | Automation of germ cell recognition in histological images of fish ovaries: case study of fish found in the state of Maranhão. |
Autor(es): | Silva, Vinicius Anderson Silva da |
Orientador: | Jacob Junior, Antonio Fernando Lavareda |
Membro da Banca: | Figueiredo, Marina Bezerra |
Membro da Banca: | Campos, Lúcio Flávio de Albuquerque |
Data do documento: | 2025-02-17 |
Editor: | Universidade Estadual do Maranhão |
Resumo: | O estado do Maranhão possui importante atividade pesqueira, sendo essencial o monitoramento da biologia reprodutiva dos peixes para a gestão sustentável. Este trabalho apresenta uma abordagem automatizada para reconhecimento de células germinativas em imagens histológicas de ovários de peixes, usando processamento digital de imagens e aprendizado supervisionado. O objetivo é desenvolver uma ferramenta que auxilie na análise eficiente das gônadas, contribuindo para o conhecimento na área e melhor gestão dos recursos pesqueiros. A metodologia usa o algoritmo de detecção de bordas Canny para segmentar células e técnicas de aprendizado supervisionado para classificá-las, superando limitações dos métodos manuais tradicionais. Os resultados mostram ganhos em velocidade no processamento em lote (50 imagens/minuto) e precisão (56% de acurácia) junto ao STERapp. A solução visa aumentar a precisão e reprodutibilidade das análises, impactando positivamente a sustentabilidade da pesca no Maranhão e regiões similares. |
Resumo: | The state of Maranhão has significant fishing activity, making it essential to monitor the reproductive biology of fish for sustainable management. This work presents an automated approach for recognizing germ cells in histological images of fish ovaries, using digital image processing and supervised learning. The objective is to develop a tool that aids in the efficient analysis of gonads, contributing to knowledge in the field and better management of fishing resources. The methodology uses the Canny edge detection algorithm to segment cells and supervised learning techniques to classify them, overcoming the limitations of traditional manual methods. The results show gains in batch processing speed (50 images/minute) and precision (56% accuracy) with STERapp. The solution aims to increase the precision and reproducibility of analyses, positively impacting fishing sustainability in Maranhão and similar regions. |
Palavras-chave: | Aprendizado supervisionado Processamento digital de imagens Reconhecimento de células Imagem histológica Ovários de peixe Detecção de bordas Células germinativas - peixes Biologia reprodutiva peixes Bioinformática Peixes - reprodução Supervised learning Digital image processing Cell recognition Histological imaging Fish ovaries Edge detection Germ cells - fish Reproductive biology of fish Bioinformatics Fish - reproduction |
Aparece nas coleções: | Curso de Bacharelado em Engenharia de Computação - CCT UEMA - Monografias |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC- VINICIUS ANDERSON SILVA DA SILVA - ENGENHARIA DA COMPUTAÇÃO CCT UEMA 2025.pdf | PDF A | 1.04 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.