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 TamanhoFormato 
TCC- VINICIUS ANDERSON SILVA DA SILVA - ENGENHARIA DA COMPUTAÇÃO CCT UEMA 2025.pdfPDF A1.04 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.