SNIPZ – Deep Learning e Visão Computacional para Sexagem do Zebrafish
Resumo do projeto
O zebrafish (Danio rerio) é um peixe utilizado em pesquisas pré-clínicas como animal modelo, com destaque para a área de neurociências. Além disso, o “paulistinha”, como é popularmente chamado no Brasil, pode ser empregado no screening de candidatos a fármacos para o tratamento de condições como epilepsia, doenças neurodegenerativas, ansiedade e esquizofrenia. Uma tendência atual na área de pesquisas pré-clínicas é o conceito de “sexo como uma variável biológica”, ou SABV, do inglês “sex as a biological variable”. Recentes políticas de financiamento de pesquisa exigem que machos e fêmeas sejam incluídos e distribuídos igualmente entre os grupos experimentais. A sexagem visual do animal vivo é um processo subjetivo e sujeito a erro, influenciado pela experiência prévia do pesquisador. A sexagem post mortem, por outro lado, é um processo manual e invasivo que requer a eutanásia seguida da análise das gônadas do indivíduo. Para auxiliar nesse processo e facilitar a incorporação do SABV como uma boa prática de pesquisa, foi desenvolvido o SNIPZ, Sistema de Sexagem Não-Invasiva Para Zebrafish. Com o SNIPZ, o pesquisador consegue, a partir de um vídeo de 10s do peixe nadando no aquário, gravado com o celular ou com alguma câmera, fazer a sexagem do zebrafish in vivo de forma não-invasiva. O sistema analisa o vídeo em uma plataforma de computação em cloud, retirando os frames que possuem o peixe na posição ideal para sexagem, e, através de um sistema de deep learning baseado em CNN, consegue gerar um relatório com a probabilidade do sexo do indivíduo ser macho ou fêmea com uma confiabilidade 85%. O banco de dados construído para esse projeto contou com imagens retiradas de vídeos individuais de um total 20 peixes, totalizando um 5444 imagens individuais. Além disso, esse banco de dados está em constante desenvolvimento e aprimoramento, pois o sistema pode receber contribuições. Para determinar a eficiência do sistema, foi utilizado como métrica dados obtidos a partir de um formulário respondido por 54 pesquisadores de todo o Brasil. Em média, pesquisadores a partir do processo de sexagem visual, no teste, obtiveram 70% de acerto, enquanto o sistema desenvolvido, no mesmo questionário, conseguiu 85% de taxa de acerto.
Palavras-chave: Zebrafish, sexagem, inteligência artificial, deep learning e banco de dados.
Alunos
Alexandre Augustin
Lucas Oliveira da Silva
Orientadores
Augusto Bemfica Mombach
Ana Paula Herrmann
Angelo Luis Stapassoli Piato
Instituição
Fundação Escola Técnica Liberato Salzano Vieira da Cunha
Novo Hamburgo /
Novo Hamburgo –
RS –
Brasil
Deixe seu comentário
O que você achou deste projeto? Participe deixando seu comentário a seguir:
Alunos
Alexandre Augustin
Lucas Oliveira da Silva
Orientadores
Augusto Bemfica Mombach
Ana Paula Herrmann
Angelo Luis Stapassoli Piato
Instituição
Fundação Escola Técnica Liberato Salzano Vieira da Cunha
Novo Hamburgo –
RS –
Brasil
Prêmios e Incentivos Educacionais Oferecidos
Muito bem, Lucas! Contribuição importante de seu projeto pensando das competências do século XXI e tecnologias.
Parabéns Alexandre e Lucas, inovar, preservar, tendo como objetivos bem estar e a segurança de espécimes e futuramente indivíduos. Sucesso siguam nas pesquisas.
Eu achei que é um excelente projeto
O projeto foi muito bem desenvolvido, acredito que pessoas como vocês fazem diferença no mundo e sociedade em que vivem! Parabéns pelo trabalho, sucesso e felicidades!
Parabéns! Pesquisa bem elaborada.
Muito bem elaborado. Parabéns pelas pesquisas . O mundo precisa de mais jovens como vc !
Legal o trabalho de vocês gurizada! É isso aí, construindo soluções…
Excelente trabalho!
Parabéns pelo excelente trabalho!
Parabéns Alexandre e Lucas!
Ótimo e inovador projeto!
Parabéns pelo belo projeto
Muito bom gurizada!!
Bah! Legal!
Bem escrito!
Sucesso!
Muito bem, sucesso para vocês! O Brasil precisa de estudantes aplicados.
Parabéns Alexandre e Lucas!!! Gostamos muito do seu trabalho, somos uma empresa e queremos lhe incentivar em relação ao futuro.
Nos chame no whatsapp 982951815
E boa sorte no seu projeto
Parabéns
Parabéns pela explanação
Parabéns Lucas
Muito legal
Parabéns meninos!
Parabéns. Excelente trabalho.
Ótimo projeto, parabéns!
Parabéns pelo belo trabalho!! Sucesso!
Que belo trabalho!!! Bons pesquisadores conseguem perceber que as vezes, o que tem que mudar é o viés do problema!! Parabéns!!
Queridos!!Belo trabalho e apresentação excelente!! Parabéns!! Abraços
Interesante trabajo, una contribución para el equilibrio objetivo de la muestra.
É super interessante é importante, tem que haver mais investimento nestas pesquisas. Este País só vai crescer! Parabéns a vocês pela iniciativa!
Parabéns pela pesquisa
Parabéns!
Parabéns Lucas.
Parabéns, sucesso!!!!
Excelente projeto senhores!
Iria sugerir que para tentar aumentar ainda mais a performance da rede validasse os resultados para o transfer learning no EfficientNet-B4 (entrada 380×380) e B5 (entrada 456×456), ambas tem uma quantidade de parâmetros elevada porém entregam o mesmo resultado que redes 5x maiores por serem balanceadas em sua arquitetura. Para o problema do Zebrafish provavelmente quanto maior a resolução de entrada da imagem na rede melhor, visto que as diferenças são sutis como a cor ou o formato em sua “barriga”, mas claro que esse aumento precisa ser acompanhado no resto da arquitetura, onde há mais feature maps e neurônios para processar eficientemente essas diferenças que podem ser notadas em maior resolução, e fazer esse balanço é o grande segredo dessas redes que chegam a maior performance utilizando as vezes 8x menos processamento. Muito show, parabéns pela pesquisa, muito bem feita!
Parabéns Alexandre e Lucas, excelente apresentação! Obrigada, por conhecer a importância do zebra fish.
Excelente apresentação e excelente projeto, parabéns!
Belo projeto, meus parabéns sucesso pra vcs!!