[303770] Artigo – CBMO – Congresso Brasileiro de Metrologia Óptica

Resumo: Nos últimos anos, o uso de esferoides celulares em pesquisas biomédicas tem mostrado um potencial promissor para experimentos laboratoriais. No entanto, garantir métodos confiáveis de controle de qualidade para essas culturas de células ainda é essencial. Técnicas tradicionais, como a microscopia óptica, ainda são amplamente utilizadas para avaliações quantitativas, mas há um crescente interesse em explorar alternativas como a Tomografia de Coerência Óptica (OCT, na sigla em inglês). A OCT emergiu como uma modalidade competente para obter imagens 3D de alta resolução, sem a necessidade de rótulos e não destrutiva de esferoides celulares, permitindo cálculos precisos e rastreabilidade metrológica. Embora apresentando resultados promissores, a análise de imagens médicas ainda carece de métodos automatizados e amigáveis ao usuário para segmentação e análise de imagens. Portanto, neste estudo, nos concentramos em adaptar metodologias que utilizam algoritmos capazes de classificar e segmentar objetos de interesse em imagens tomográficas de esferoides celulares. Foram feitos ajustes no algoritmo Mask R-CNN com intuito de implementá-lo na segmentação de objetos de interesse em imagens de OCT. Além disso, os resultados obtidos são promissores em relação à adaptação de algoritmos de aprendizado de máquina para a segmentação de amostras em imagens, permitindo-nos vislumbrar seu uso em atividades mais complexas, como análises morfológicas, como volume e esfericidade.