Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/12594
metadata.dc.type: Dissertação
metadata.dc.rights: Acesso Aberto
Title: Método computacional para segmentação não supervisionada de imagens histológicas de linfoma
metadata.dc.creator: Tosta, Thaína Aparecida Azevedo
metadata.dc.contributor.advisor1: Nascimento, Marcelo Zanchetta do
metadata.dc.contributor.referee1: Travençolo, Bruno Augusto Nassif
metadata.dc.contributor.referee2: Oliveira, Marcelo Costa
metadata.dc.description.resumo: A análise de imagens histológicas representa uma das maiores evoluções da medicina moderna. Aliados a essa evolução, métodos computacionais vêm sendo amplamente desenvolvidos para auxiliar especialistas na análise dessas imagens para determinar diagnósticos, prognósticos e tratamentos adequados à condição do paciente. Porém, ao ser realizada por especialistas, essa tarefa torna-se dispendiosa e suscetível a variabilidades inter e intrapatologistas. Para aperfeiçoar tal prática tradicional para diagnósticos de Linfoma de Células do Manto, Linfoma Folicular e Leucemia Linfóide Crônica, este trabalho propõe um método para a segmentação não supervisionada dos componentes nucleares de células indicativas de tais neoplasias utilizando imagens histológicas coradas com Hematoxilina-Eosina. O método proposto foi dividido nas etapas de pré-processamento, segmentação e pós-processamento. Na etapa de pré-processamento, as técnicas de equalização do histograma e filtro gaussiano foram aplicadas sobre os canais componentes do modelo de cores RGB. Na segmentação, foi aplicada uma técnica de limiarização resultante da combinação entre os métodos fuzzy 3-partition entropy e algoritmo genético. Por fim, para aperfeiçoamento dos resultados da segmentação, foram utilizadas operações morfológicas e a técnica valley-emphasis. Para avaliar o método desenvolvido, imagens histológicas de linfoma com magnificação 20x foram selecionadas e segmentadas manualmente por um especialista. Essas imagens de referência (padrão-ouro) permitiram a extração de medidas quantitativas para a comparação entre este método e diferentes técnicas propostas na literatura. Além disso, uma avaliação qualitativa foi realizada levando a resultados relevantes e superiores aos trabalhos comparados. Também foi analisada a sua aplicação sobre as etapas de extração de características e classificação das diferentes lesões consideradas, obtendo resultados de acurácia próximos a 100%.
Abstract: Histological image analysis represents a major evolutionary step in modern medicine. Associated with this step, computational methods are being widely developed to help specialists during the analysis of these images to determine diagnostics, prognostics and appropriate treatments in accordance with the condition of the patient. However, when it is performed by specialists, this task becomes time-consuming and susceptible to inter- and intra-pathologist variability. To improve this traditional practice for diagnostics of Mantle Cell Lymphoma, Follicular Lymphoma and Chronic Lymphocytic Leukemia, this study proposes a method for the unsupervised segmentation of nuclear components in indicative cells of such neoplasias using histological images stained with Hematoxylin-Eosin. The proposed method was divided into preprocessing, segmentation and post processing. In the preprocessing step, the techniques used in histogram equalization and Gaussian filter were applied to the channels from RGB color model. In the segmentation, a thresholding technique was applied combining the methods of fuzzy 3-partition entropy and genetic algorithm. Finally, for the improvement of the segmentation results, morphological operations and the valley-emphasis technique were used. For evaluating the developed method, histological images of lymphoma with magnification 20x were selected and manually segmented by a specialist. Those reference images (gold standard) allowed the extraction of quantitative measures in order to compare this method with different techniques proposed in the literature. Furthermore, a qualitative evaluation was conducted leading to relevant and improved results over those from compared studies. Its application was also analysed considering the steps of feature extraction and classification of the lesions, obtaining results of accuracy close to 100%
Keywords: Segmentação nuclear
Imagens histológicas de linfoma
Linfoma de células do Manto
Linfoma folicular
Leucemia linfoide crônica
Algoritmo genético
Nuclear segmentation
Histological images of lymphoma
Mantle cell lymphoma
Follicular lymphoma
Chronic Lymphocytic leukemia
Genetic algorithm
Computação
Processamento de imagens
Câncer - Diagnóstico
Linfoma - Diagnóstico
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
metadata.dc.language: por
metadata.dc.publisher.country: BR
Publisher: Universidade Federal de Uberlândia
metadata.dc.publisher.initials: UFU
metadata.dc.publisher.department: Ciências Exatas e da Terra
metadata.dc.publisher.program: Programa de Pós-graduação em Ciência da Computação
Citation: TOSTA, Thaína Aparecida Azevedo. Método computacional para segmentação não supervisionada de imagens histológicas de linfoma. 2016. 120 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de Uberlândia, Uberlândia, 2016.
URI: https://repositorio.ufu.br/handle/123456789/12594
Issue Date: 29-Jan-2016
Appears in Collections:PPGCC - Mestrado em Ciência da Computação

Files in This Item:
File Description SizeFormat 
MetodoComputacionalSegmentacao.pdf6.72 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.