Imagem enviada
Upload, preview e validação de formato antes da inferência.
O sistema detalha como a célula é recebida, analisada por múltiplos modelos, explicada por XAI e consolidada por uma regra conservadora contra falso negativo de ALL. Tudo testável no protótipo ao vivo.
O fluxo é processado em etapas: entrada, processamento, explicação, consenso e saída. Estados de baixa confiança ou desacordo são claramente sinalizados.
Upload, preview e validação de formato antes da inferência.
A API aplica o mesmo preparo usado no treino dos modelos.
CNNs e ViT inferem em paralelo, com votos e probabilidades.
Mapas visuais ajudam a checar se o foco está na célula.
Votos, pesos, confiança e XAI compõem a decisão final.
Resultado de apoio com alerta, motivo e rastreabilidade.
Os modelos aparecem como participantes da junta. Cada um contribui com voto, confiança, peso e leitura XAI.
CNN residual
Âncora histórica e baseline validado nas fases anteriores.
limiar 0.50
CNN densamente conectada
Referência acadêmica eficiente para imagens médicas.
limiar 0.94
Transformer visual
Perspectiva global por self-attention entre patches da imagem.
limiar 0.34
CNN leve
Baixo recurso, triagem rápida e caminho futuro para edge deployment.
limiar 0.56
CNN escalável
CNN moderna de alto desempenho com custo controlado.
limiar 0.35
A representação do consenso demonstra os cinco modelos analisando a mesma célula, enviando sinais para o mecanismo central e chegando a um acordo que preserva divergências críticas.
Cena de consenso
A visualização separa análise individual, confiança, divergência e decisão consolidada.
Pessoa 1
R50 · ResNet50
núcleo com ativação forte
Pessoa 2
D121 · DenseNet121
textura celular suspeita
Pessoa 3
ViT · ViT-B/16
patches centrais dominantes
Pessoa 4
MNet · MobileNetV3-L
voto divergente, baixa confiança
Pessoa 5
EffV2 · EfficientNetV2-S
XAI coerente na célula
5 vozes independentes
Cada modelo retorna HEM ou ALL, probabilidades, confiança e tempo de inferência.
média calibrada
Pesos atuais variam de 0.60 a 1.20 conforme desempenho e papel na junta.
auditoria visual
Mapas coerentes elevam confiança; ativação em fundo, borda ou artefato reduz confiança.
bloqueio de falso negativo
Qualquer indício relevante de ALL deve ser destacado para revisão humana.
Status finais previstos
Modelos robustos atuais: ResNet50, DenseNet121, ViT-B/16, EfficientNetV2-S.
Um heatmap coerente tende a concentrar sinal na célula. Ativação dominante em fundo, borda, artefato ou marcação deve aparecer como alerta e reduzir confiança.
XAI interativo
Aplique uma camada visual sobre a célula de microscopia.

Heatmap
Grad-CAM
Áreas quentes indicam influência do modelo.
Mapas diferentes entre modelos podem revelar desacordo visual.
XAI não substitui especialista nem valida diagnóstico.
A arquitetura integra upload seguro, validação de imagem, execução simultânea em cinco modelos e consolidação do consenso clínico com visualização XAI e geração do pré-laudo.
amostra-celular.png
Análise Simultânea
Área de upload sem resultado sintético exibido.
ResNet
CNN
DenseNet
CNN
ViT
Transformer
MobileNet
CNN
EffNetV2
CNN
Protocolo de Segurança Crítica
"Qualquer sinalização de ALL suspende processos automáticos e impõe revisão humana mandatória."
Rastreabilidade Auditável
Geração de pacotes de dados contendo assinaturas de modelos, pesos do consenso e evidências XAI.
A resposta da API preserva identificador, votos, probabilidades, consenso, XAI, versões e texto de apoio ao pré-laudo.
request_id: Rastreabilidade por requisição
final_prediction: Score ALL/HEM e status clínico-computacional
consensus: Votos, pesos, desacordo e razão textual
xai_summary: Qualidade visual e alertas de foco
pre_report: Resumo para apoio ao pré-laudo, com disclaimer