Título: Segmentação de corpo lúteo via algoritmo de aprendizado profundo em imagens ultrassonográficas
Autoria de: Caio Donizetti Queiroz Alves
Orientação de: Jose Camisao de Souza
Coorientação de: Caio Donizetti Queiroz Alves
Presidente da banca: José Camisão de Souza
Primeiro membro da banca: Danton Diego Ferreira
Segundo membro da banca: Miller Pereira Palhão
Terceiro membro da banca: Laís Reis Carvalho
Palavras-chaves: Doppler, Diagnóstico, Gestação, Computacional, Reprodução
Data da defesa: 27/11/2025
Semestre letivo da defesa: 2025-2
Data da versão final: 03/12/2025
Data da publicação: 03/12/2025
Referência: Alves, C. D. Q. Segmentação de corpo lúteo via algoritmo de aprendizado profundo em imagens ultrassonográficas. 2025. 65 p. Trabalho de Conclusão de Curso (Graduação em Zootecnia Bacharelado)-Universidade Federal de Lavras, Lavras, 2025.
Resumo: A pecuária bovina brasileira tem papel central na economia do país, e a eficiência reprodutiva é um dos principais determinantes da rentabilidade dos sistemas de produção. A ultrassonografia modo Doppler colorida consolidou-se como ferramenta importante para o diagnóstico precoce de gestação e seleção de receptoras de embrião, mas a dependência de escores subjetivos de vascularização do corpo lúteo ainda limita a especificidade da técnica e a padronização das decisões em campo. Nesse contexto, técnicas de visão computacional e aprendizado profundo despontam como alternativas promissoras para automatizar a análise de imagens e padronização de diagnósticos. Este trabalho teve como objetivo desenvolver e validar um pipeline de visão computacional, baseado em modelo de aprendizado profundo, para segmentação automática do corpo lúteo e quantificação objetiva de sua vascularização em imagens ultrassonográficas de fêmeas bovinas. Foram avaliadas 106 fêmeas submetidas a dois protocolos consecutivos de IATF com ressincronização super-precoce, nas quais, durante o diagnóstico precoce aos 22 dias pós-inseminação artificial (DG22), foram gravados vídeos em modo duplex (modoB e modo Doppler). A partir de 143 vídeos, foram gerados e anotados 2.350 pares de imagens modoB e Doppler, utilizados no treinamento e teste de uma U-Net bicanal. A partir das máscaras segmentadas pelo modelo treinado, para cada imagem do conjunto de teste, obtiveram-se a área luteal, o percentual de área vascularizada, o Dice coefficient e a certeza média do modelo. A taxa de prenhez acumulada ao final dos dois protocolos foi de 62,3 por cento. No DG22, o diagnóstico por Doppler apresentou acurácia de 88,0 por cento, sensibilidade de 100,0 por cento, especificidade de 80,0 por cento, valor preditivo positivo de 76,9 por cento e valor preditivo negativo de 100,0 por cento. O modelo de segmentação exibiu desempenho consistente, com Dice coefficient médio superior a 0,90 e elevada certeza média nos escores intermediários????????????????????????????????altos de vascularização. A vascularização objetiva acompanhou o aumento do escore subjetivo de vascularização e diferenciou de forma marcante as fêmeas gestantes e não gestantes, que apresentaram corpos lúteos maiores, mais vascularizados e melhor sobreposição entre máscara predita e referência. As correlações fortes entre escore subjetivo, área luteal e vascularização indicaram que o pipeline foi capaz de capturar, de maneira numérica e reprodutível, os padrões morfofuncionais explorados pelo examinador durante o diagnóstico. Os resultados aqui obtidos mostram que a integração entre ultrassonografia modo Doppler e visão computacional permite quantificar de forma padronizada a vascularização luteal, reproduzindo os achados do diagnóstico tradicional e oferecendo base objetiva para o desenvolvimento de sistemas de apoio à decisão no manejo reprodutivo de bovinos.
URI alternaviva: sem URI do Repositório Institucional da UFLA até o momento.
Curso: G002 - ZOOTECNIA (BACHARELADO)
Nome da editora: Universidade Federal de Lavras
Sigla da editora: UFLA
País da editora: Brasil
Gênero textual: Trabalho de Conclusão de Curso
Nome da língua do conteúdo: Português
Código da língua do conteúdo: por
Licença de acesso: Acesso aberto
Nome da licença: Licença do Repositório Institucional da Universidade Federal de Lavras
URI da licença: repositorio.ufla.br
Termos da licença: Acesso aos termos da licença em repositorio.ufla.br
Detentores dos direitos autorais: Caio Donizetti Queiroz Alves e Universidade Federal de Lavras
Baixar arquivo