Avaliação Automatizada De Estágio E Qualidade De Blastocistos Bovinos Por Análise De Imagem: O Que Os Algoritmos Capturam E O Que Ainda Escapa

Título do Trabalho

AVALIAÇÃO AUTOMATIZADA DE ESTÁGIO E QUALIDADE DE BLASTOCISTOS BOVINOS POR ANÁLISE DE IMAGEM: O QUE OS ALGORITMOS CAPTURAM E O QUE AINDA ESCAPA

Autores

Tavio Sousa Figueredo
Fabricio de Lima Weber
Vanessa Aparecida de Moraes Weber
Felipe Gabriel Barbosa de Oliveira
Ana Carolina Louveira Motti
Thais Ferreira Lima
Jorge Luis Torres Garcia
Maria Paula Rozo Hernandez
MARIANE GABRIELA CESAR RIBEIRO FERREIRA
Fabiana de Andrade Melo Sterza

Modalidade

Resumo I Fórum Brasileiro de Pecuária de Precisão, IA e Sustentabilidade

Área temática

1.1) Pecuária de Precisão e IA

Data de Publicação

28/08/2026

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/anais-ecpantanaltech/1640528-avaliacao-automatizada-de-estagio-e-qualidade-de-blastocistos-bovinos-por-analise-de-imagem--o-que-os-algoritmos

ISSN

Palavras-Chave

Produção in vitro de embriões; Aprendizado de máquina; Visão computacional; Pecuária de precisão.

Resumo

A produção in vitro de embriões (PIVE) consolidou-se como uma prática estratégica para otimização da produtividade pecuária. No entanto, a classificação morfológica de blastocistos bovinos dependente da avaliação visual de embriologistas, tornando-a suscetível à subjetividade e à variabilidade de classificação entre avaliadores. O objetivo do EmbryoIA e desenvolver uma ferramenta eficaz e objetiva para selecionar embriões bovinos para transferência de embriões e criopreservação. Nessa etapa do estudo buscou-se Identificar quais descritores de imagem — clássicos (handcrafted) e profundos (embeddings de redes neurais) melhor reproduzem a avaliação humana para duas tarefas distintas: classificação de estágio e atribuição de grau de qualidade. Para isso foram analisadas 482 imagens de blastocistos bovinos produzidos in vitro, provenientes do banco de dados disponibilizado por Rocha et al. (2017), em diferentes estágios de desenvolvimento (blastocisto inicial (BI), blastocisto (BL), blastocisto expandido (BX)) e grau de qualidade (1 a 3, correspondendo a excelente/bom, regular e pobre, respectivamente). As imagens foram avaliadas de forma independente por cinco embriologistas quanto ao estágio e qualidade. Definiu-se o consenso por moda das cinco notas. Três conjuntos de variáveis foram comparados: (i) 36 medidas morfológicas e de textura previamente extraídas com regiões anotadas (RR – região representativa; TE – trofectoderma; ER – região expandida; ICM – massa celular interna); (ii) 28 descritores texturais globais, matriz de coocorrência em quatro ângulos × duas distâncias, Padrão Binário Local (LBP) e momentos de intensidade e entropia de Shannon); e (iii) embeddings profundos (SqueezeNet) obtidos no software Orange Data Mining. Avaliaram-se k Vizinhos Mais Próximos (kNN), Máquina de Vetores de Suporte (SVM), reforço adaptativo (AdaBoost) e Rede Neural por validação cruzada estratificada de cinco folds, comparando-os a um modelo Constant (baseline). As métricas avaliadas foram: acurácia de classificação (CA), Área Sob a Curva ROC (AUC), escore F1 e Coeficiente de Correlação de Matthews (MCC) para classificação; Raiz do Erro Quadrático Médio (RMSE), Erro Absoluto Médio (MAE) e R² da regressão. Para o estágio, a combinação medidas + embeddings com SVM alcançou CA = 83,9%, AUC = 0,924 e MCC = 0,701, ante 55,7% do baseline (? +28 pontos percentuais). Embeddings isolados (CA = 83,3%) superaram medidas isoladas (79,9%), indicando que representações profundas globais capturam bem a transição morfológica BL?BX?BI. Já para a qualidade, nenhum cenário superou o baseline em R² (Constant R² ˜ -0,015). O melhor MAE (0,388, AdaBoost) ainda equivale a prever valores próximos da média, sem discriminar efetivamente os graus. As correlações univariadas entre features e qualidade do consenso foram fracas (|r| < 0,16), consistentes entre os dois conjuntos independentes de descritores. Os resultados demonstram que o estágio do blastocisto pode ser classificado de forma confiável por análise de imagem, enquanto a qualidade embrionária permanece um desafio para a modelagem computacional, por meio dos algoritmos avaliados.

Título do Evento: II Encontro Técnico-Científico do Pantanal Tech MS 2026
Cidade do Evento: Aquidauana
Título dos Anais do Evento: Anais do Encontro Técnico-Científico do Pantanal Tech MS
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

FIGUEREDO, Tavio Sousa et al.. AVALIAÇÃO AUTOMATIZADA DE ESTÁGIO E QUALIDADE DE BLASTOCISTOS BOVINOS POR ANÁLISE DE IMAGEM: O QUE OS ALGORITMOS CAPTURAM E O QUE AINDA ESCAPA.. In: . Disponível em: https//www.even3.com.br/anais/anais-ecpantanaltech/1640528-AVALIACAO-AUTOMATIZADA-DE-ESTAGIO-E-QUALIDADE-DE-BLASTOCISTOS-BOVINOS-POR-ANALISE-DE-IMAGEM--O-QUE-OS-ALGORITMOS. Acesso em: 29/08/2026