@MASTERSTHESIS{ 2025:1449316551,
 	title = {Detecção de Ovos de Parasito em Imagens de Microscópio via Ensemble de Detectores},
 	year = {2025},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/6283",
 	abstract = "As infecções parasitárias intestinais representam um problema de saúde global, especialmente
 em regiões com condições sanitárias precárias e zonas tropicais. Segundo a Organização
 Mundial da Saúde (OMS), estima-se que 1,5 bilhão de pessoas sejam afetadas por
 essas infecções. O diagnóstico manual, realizado por profissionais que analisam amostras
 microscópicas para identificar e classificar ovos parasitários, é demorado e suscetível a
 erros, principalmente devido à variação na experiência dos profissionais e à presença de
 estruturas parasitárias de pequenas dimensões ou parcialmente ocultas por impurezas. Para
 enfrentar esse desafio, este trabalho propõe uma metodologia baseada em um ensemble que
 combina uma arquitetura de detecção especializada com detectores genéricos refinados em
 um conjunto de imagens específico. A arquitetura personalizada, desenvolvida a partir da
 HRNet-W32, incorpora blocos residuais e composição de perdas intermediárias. Detectores
 como Cascade R-CNN, TOOD e CenterNet foram ajustados utilizando o conjunto de dados
 Chula-ParasitEgg11. A fusão das detecções foi realizada por meio da técnica Weighted
 Box Fusion, que integra resultados sem descartar potenciais identificações relevantes. A
 abordagem alcançou desempenho significativo, com F1 Score de 0,945 e mAP[0.5:0.95] de
 0,868, demonstrando potencial para automatizar o diagnóstico com precisão e eficiência.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}