@MASTERSTHESIS{ 2025:1338386360,
 	title = {Avaliação de aprendizado Auto-supervisionado na classificação de glomérulos renais em cenário de forte desbalanceamento de dados},
 	year = {2025},
 	url = "http://tede2.uefs.br:8080/handle/tede/2041",
 	abstract = "O diagnóstico de doenças renais crônicas por meio da análise histopatológica envolve desafios como a variabilidade interobservador e o elevado tempo de análise. Do ponto de vista computacional, a modelagem automática dessas lesões é adicionalmente dificultada pelo desbalanceamento severo entre classes e pela escassez de amostras representativas de lesões raras. Esta dissertação investiga o uso de técnicas de Aprendizado Auto-Supervisionado (Self-Supervised Learning, SSL) para construir um classificador automático de lesões glomerulares, buscando superar limitações dos métodos supervisionados que dependem de muitos dados rotulados. Foram utilizadas 12.524 imagens de tecido renal, distribuídas em onze lesões distintas e obtidas a partir de múltiplas colorações histológicas: hematoxilina e eosina (HE), ácido periódico de Schiff (PAS) e Azan–Mallory (Azan). Avaliaram-se métodos de SSL, como Self-Distillation with No Labels (DINO) e Simple Framework for Contrastive Learning of Visual Representations (SimCLR), com diferentes backbones (ResNet e Vision Transformers), considerando aumentos e balanceamento de dados. Os resultados demonstram que os métodos de SSL superaram as abordagens supervisionadas em tarefas de classificação multiclasse em cenários de dados desbalanceados. O método DINO, em particular, destacou-se nesse contexto, alcançando um F1-micro de 58,27% em comparação com 43,47% do baseline pré-treinado no
 ImageNet. Em contrapartida, o SimCLR apresentou um desempenho superior na classificação binária para diversas classes, evidenciando seu poder discriminativo em tarefas específicas de classificação de lesões.",
 	publisher = {Universidade Estadual de Feira de Santana},
 	scholl = {Programa de Pós-Graduação em Ciência da Computação},
 	note = {DEPARTAMENTO DE CIÊNCIAS EXATAS}
}