Questão 2994361

Tecnologia da Informação · 2025

Questão

ID 2994361

Disciplina: Tecnologia da Informação

Assuntos: Treinamento de Modelos (Overfitting, Underfitting, Validação)

Ano: 2025 Banca: FUVEST - Fundação Universitária para o Vestibular da USP Órgão: Universidade de São Paulo

Em um fluxo de análise de imagem para quantificação de células positivas por imunohistoquímica, um algoritmo de segmentação baseado em aprendizado profundo (CNN) apresentou bom desempenho em um conjunto de treinamento, mas piorou em imagens de outra fonte com colorações e resolução diferentes. Qual é a explicação técnica mais provável e a melhor estratégia para corrigir isso?

Alternativa A:
Overfitting no treinamento; corrigir removendo camadas da rede para simplificar o modelo.
Alternativa B:
Falta de generalização devido a domínio (domain shift); corrigir com augmentação, normalização de cor (stain normalization) e re-treinamento com imagens de múltiplas fontes.
Alternativa C:
Erro de segmentação causado unicamente por baixa qualidade óptica das lâminas; resolver apenas recalibrando o scanner.
Alternativa D:
O algoritmo não é adequado para imagens histológicas; trocar para um algoritmo baseado em limiarização global.
Alternativa E:
O problema é de armazenamento (formato do arquivo); migrar para um formato sem compressão resolve automaticamente.

Estatísticas Cadernos

Questão 2994361

Continue estudando na plataforma