Neural architecture search using harmony search optimizer applied to malaria detection

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Moretti, Leonardo Nakatani
Orientador(a): Coelho, Leandro dos Santos, 1968-
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Malária - Diagnóstico
Redes neurais (Computação)
Engenharia Elétrica
Link de acesso: https://hdl.handle.net/1884/87371
Resumo: Orientador: Leandro dos Santos Coelho
id UFPR_206775705c962c0db3a1f8570d58f37d
oai_identifier_str oai:acervodigital.ufpr.br:1884/87371
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia ElétricaCoelho, Leandro dos Santos, 1968-Moretti, Leonardo Nakatani2024-04-08T20:36:28Z2024-04-08T20:36:28Z2023https://hdl.handle.net/1884/87371Orientador: Leandro dos Santos CoelhoDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa : Curitiba, 21/11/2023Inclui referênciasÁrea de concentração: Sistemas eletrônicosResumo: A malária causa centenas de milhares de mortes todos os anos. As técnicas de diagnóstico tradicionais são demoradas, caras e requerem pessoal qualificado para a contagem manual de glóbulos vermelhos. Soluções automatizadas foram tentadas no passado, mas não são comercialmente viáveis, principalmente devido à baixa precisão, modelos grandes inviáveis que são difíceis de implantar em campo e falta de interesse comercial. As implementações atuais de detecção automatizada são divididas em duas categorias: baseadas em recursos e baseadas em visão. O primeiro produz resultados com baixa precisão ( -score < 0,8) e o último gera modelos grandes para implementação móvel. Esta dissertação propõe o uso da abordagem com CNNs para classificar e contar RBCs para o diagnóstico da malária. A metaheurística de otimização HS é aplicada para procurar topologias CNN econômicas, mantendo uma precisão razoável. Novas métricas denominadas -score considerando custo ?? computacional ) e -score considerando custo computacional logaritmicamente ) são sugeridas para avaliar a implementação da topologia com base em indicadores de precisão e custo computacional. A configuração do experimento inclui o treinamento de várias topologias de CNNs usando o HS para procurar por topologias ótimas. As métricas usadas para HS são duas novas métricas, ?? e . Além disso, os testes U de Mann-Whitney são aplicados para medir a diferença entre os resultados da HS e o modelo da CNN. Este trabalho alcança modelos CNN com uma pontuação F1 de 0,95 e apenas 4.909 e 7479 parâmetros, produzindo uma redução de 100 e 54 vezes no tamanho do modelo (p = 0,006) ao usar ?? e ,respectivamente. Com esses resultados, pode-se concluir que o uso da HS para buscar topologias de modelos eficientes é viável. Além disso, a utilização de tais estruturas também pode ser aplicada em outras buscas de topologia.Abstract: Malaria causes hundreds of thousands of deaths every year. Traditional diagnostic techniques are time-consuming, expensive, and require skilled personnel for manual red blood cell (RBC) counting. Automated solutions have been attempted in the past but are not commercially viable, mainly due to low accuracy, unfeasibly big models that are hard to deploy on the field, and lack of commercial interest. The current implementations of automated detection are divided into two categories: features-based and vision-based. The former generates results with low accuracy ( -score < 0.8) and ?? the latter generates models that are too large for mobile implementation. This dissertation proposes using the Convolutional Neural Network (CNN) approach to classify and count RBCs for malaria diagnosis. The Harmony Search (HS) optimization approach is applied to search for cost-effective CNN topologies while maintaining reasonable accuracy. New metrics called ?? -score considering computational cost ( ) and -score considering computational cost logarithmically ( ) are suggested for evaluating topology implementation based on accuracy and computational cost indicators. The experiment setup includes training several topologies of CNNs using the HS to search for optimal topologies. The metrics used to search for optimal topologies are the two new metrics ?? and . Furthermore, Mann-Witney U-tests are applied to measure the difference between the search results for the CNN design. This work achieves CNN models with an -score of 0.95 and as ?? few as 4,909 and 7479 parameters, yielding a 100-fold and 54-fold reduction in model size (confidence interval given by probabilistic value p=0.006) when using and , respectively. With these results, it can be concluded that using HS to look for efficient model topologies is viable. Also, using such frameworks may also be applied in other topology searches outside of malaria detection.1 recurso online : PDF.application/pdfMalária - DiagnósticoRedes neurais (Computação)Engenharia ElétricaNeural architecture search using harmony search optimizer applied to malaria detectioninfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisengreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - LEONARDO NAKATANI MORETTI.pdfapplication/pdf5154924https://acervodigital.ufpr.br/bitstream/1884/87371/1/R%20-%20D%20-%20LEONARDO%20NAKATANI%20MORETTI.pdf1d82b5894a63f939a0995f3139d59ec5MD51open access1884/873712024-04-08 17:36:28.481open accessoai:acervodigital.ufpr.br:1884/87371Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082024-04-08T20:36:28Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Neural architecture search using harmony search optimizer applied to malaria detection
title Neural architecture search using harmony search optimizer applied to malaria detection
spellingShingle Neural architecture search using harmony search optimizer applied to malaria detection
Moretti, Leonardo Nakatani
Malária - Diagnóstico
Redes neurais (Computação)
Engenharia Elétrica
title_short Neural architecture search using harmony search optimizer applied to malaria detection
title_full Neural architecture search using harmony search optimizer applied to malaria detection
title_fullStr Neural architecture search using harmony search optimizer applied to malaria detection
title_full_unstemmed Neural architecture search using harmony search optimizer applied to malaria detection
title_sort Neural architecture search using harmony search optimizer applied to malaria detection
author Moretti, Leonardo Nakatani
author_facet Moretti, Leonardo Nakatani
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica
dc.contributor.advisor1.fl_str_mv Coelho, Leandro dos Santos, 1968-
dc.contributor.author.fl_str_mv Moretti, Leonardo Nakatani
contributor_str_mv Coelho, Leandro dos Santos, 1968-
dc.subject.por.fl_str_mv Malária - Diagnóstico
Redes neurais (Computação)
Engenharia Elétrica
topic Malária - Diagnóstico
Redes neurais (Computação)
Engenharia Elétrica
description Orientador: Leandro dos Santos Coelho
publishDate 2023
dc.date.issued.fl_str_mv 2023
dc.date.accessioned.fl_str_mv 2024-04-08T20:36:28Z
dc.date.available.fl_str_mv 2024-04-08T20:36:28Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/87371
url https://hdl.handle.net/1884/87371
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/87371/1/R%20-%20D%20-%20LEONARDO%20NAKATANI%20MORETTI.pdf
bitstream.checksum.fl_str_mv 1d82b5894a63f939a0995f3139d59ec5
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526199440441344

Registros relacionados