Publicação: Segmentação geométrica de núcleos em Imagens microscópicas do desenvolvimento embrionário da Drosophila melanogaster
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
A Drosophila melanogaster é amplamente utilizada como organismo modelo em estudos
de biologia do desenvolvimento, sendo a análise de imagens microscópicas um instrumento
essencial para a quantificação de padrões celulares. Nesse contexto, este trabalho apresenta
uma abordagem computacional baseada em visão computacional para a segmentação
de instâncias nucleares em imagens microscópicas de embriões, com foco em cenários
de alta densidade celular e contato entre estruturas adjacentes. O método proposto
utiliza um pipeline geométrico que modela contornos em representação polar 𝑟(𝜃) e detecta
concavidades a partir de variações radiais em relação a uma referência baseada no envoltório
convexo (convex hull). A partir dessas concavidades, regras de alinhamento direcional,
critérios de coerência geométrica e mecanismos de recuo (fallback) são empregados para
determinar cortes de separação entre possíveis instâncias nucleares.
Para apoiar a aplicação e a validação da abordagem, foi desenvolvido um software opensource em Python com interface gráfica, integrando parametrização visual, processamento
em lote, inspeção de etapas intermediárias e extração automática de métricas. A avaliação
quantitativa foi conduzida sobre um subconjunto de imagens contendo amostras selvagens
e mutantes, utilizando anotações manuais de referência (ground truth) normalizadas espacialmente via interpolação B-Spline (BOOR, 2001). Os resultados indicaram desempenho
promissor na delimitação da massa nuclear, com coeficiente Dice de até 85,6% no modelo
base. Em nível de instâncias, o método apresentou desempenho variável entre as amostras,
com F1-Score de até 77,0%, evidenciando que a abordagem é promissora para a individualização de núcleos em parte dos cenários avaliados, embora ainda apresente limitações em
casos de maior complexidade morfológica. Além disso, observou-se que a calibração dos
parâmetros pode contribuir para a redução de falhas geométricas de segmentação.
Abstract
Drosophila melanogaster is a widely used model organism in developmental biology,
and microscopy image analysis is an essential tool for quantifying cellular patterns. In
this context, this work presents a computer vision-based approach for nuclear instance
segmentation in microscopy images of embryos, focusing on high-density scenarios with
touching structures. The proposed method uses a geometric pipeline that models contours
in polar representation 𝑟(𝜃) and detects concavities from radial variations with respect to
a reference derived from the convex hull. Based on these concavities, directional alignment
rules, geometric consistency criteria, and fallback mechanisms are used to determine
separation cuts between possible nuclear instances.
To support the application and validation of the approach, an open-source Python software with a graphical user interface was developed, integrating visual parameter tuning,
batch processing, inspection of intermediate steps, and automatic metric extraction. The
quantitative evaluation was conducted on a subset of images containing wild-type and
mutant samples, using manually annotated reference masks (ground truth) spatially normalized through B-Spline interpolation (BOOR, 2001). The results indicated promising
performance in nuclear mass delineation, reaching a Dice coefficient of up to 85.6% in
the baseline model. At the instance level, the method showed variable performance across
samples, with F1-Score values of up to 77.0%, indicating that the approach is promising
for nucleus individualization in part of the evaluated scenarios, although it still presents
limitations in cases of higher morphological complexity. Parameter calibration also showed
potential for reducing geometric segmentation errors.
Palavras-chave
Processamento de Imagens, Visão Computacional, Segmentação, OpenCV, Drosophila melanogaster
Citação
MARQUES, João Pedro de Oliveira. Segmentação geométrica de núcleos em imagens microscópicas do desenvolvimento embrionário da Drosophila melanogaster. 2026. 47 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2026.