Arquitetura de Microserviços para Classificação de Malária usando YOLO
Processamento de imagens, classificação de doença, Malaria, YOLO, arquitetura de microserviços
A Malária afeta milhões de pessoas a cada ano, principalmente em países com recursos limitados. Assim, automatizar a classificação da mesma é crítico para melhorar a eficiência e precisão do diagnóstico da Malária. Neste estudo, propomos uma metodologia para classificação da Malária usando o algoritmo YOLO (You Only Look Once) e desenvolvemos uma arquitetura de microsserviços usando a linguagem Golang para encapsula-la. Para isso, projetamos um sistema modular e escalável que lida com eficiência as solicitações de inferência, garantindo flexibilidade e capacidade de manutenção. Os recursos de detecção de objetos em tempo real do YOLO o tornam adequado para identificar e localizar células infectadas com o parasita através de amostras de esfregaço de sangue. Nossa abordagem envolve coleta de dados, pré-processamento, configuração e treinamento do modelo YOLO, pós-processamento, avaliação e implantação. Nós selecionamos um conjunto de dados diversificado com amostras de esfregaço de sangue e anotações delimitadoras, pré-processamos os dados para desempenho ideal do modelo e empregamos o aprendizado de transferência para adaptar a arquitetura YOLO para a classificação da Malária. O modelo treinado foi avaliado usando métricas de precisão, recall e média. Com a capacidade de detectar células infectadas por Malária, nossa proposta de solução baseada em YOLO é promissora no avanço do diagnóstico de Malária e contribui para o gerenciamento eficaz da doença.