1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Odontologia (FOUFU)
  3. TCC - Odontologia
Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/35209
Full metadata record
DC FieldValueLanguage
dc.creatorAfonso, Wilson Silva Falco-
dc.date.accessioned2022-07-04T14:06:01Z-
dc.date.available2022-07-04T14:06:01Z-
dc.date.issued2022-06-
dc.identifier.citationAFONSO, Wilson Silva Falco. Análise computacional de imagens histológicas de lesões de lábio: aplicações no diagnóstico da queilite actínica e carcinoma de células escamosas. 2022. 16 f. Trabalho de Conclusão de Curso (Graduação em Odontologia) - Universidade Federal de Uberlândia, Uberlândia, 2022.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/35209-
dc.description.sponsorshipFAPEMIG - Fundação de Amparo a Pesquisa do Estado de Minas Geraispt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectCarcinoma de células escamosas bucalpt_BR
dc.subjectLábiopt_BR
dc.subjectBiomarcador tumoralpt_BR
dc.subjectAprendizado supervisionado de máquinapt_BR
dc.subjectAnálise de imagem assistida por computadorpt_BR
dc.titleAnálise computacional de imagens histológicas de lesões de lábio: aplicações no diagnóstico da queilite actínica e carcinoma de células escamosaspt_BR
dc.title.alternativeComputational analysis of histological images of lip lesions: applications in the diagnosis of actinic cheilitis and squamous cell carcinomapt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor-co1Costa, Anaíra Ribeiro Guedes Fonseca-
dc.contributor.advisor1Loyola, Adriano Mota-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5412665384225553pt_BR
dc.contributor.referee1Luiz, Fabio Franceschini Mitri-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/3020611813765397pt_BR
dc.contributor.referee2Oliveira, Ana Paula de Lima-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/4810658074637232pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoO uso de sistemas operacionais para auxílio em diagnóstico vem ganhando diversas aplicações nos últimos anos. Através de algoritmos computacionais são extraídas informações de cortes histológicos, sendo possível a quantificação dos mesmos com aplicação em diagnóstico e prognóstico. Neste contexto, o objetivo deste trabalho foi desenvolver um método computacional capaz de classificar imagens de mucosa normal de lábio (TNL), queilite actínica (QA) e carcinoma de células escamosas de lábio (CCEL), verificando a aplicabilidade deste método no diagnóstico das lesões de lábio. Regiões de interesse (ROIs) foram obtidas de lâminas histológicas e submetidas ao processo de extração de características, dentre elas as entropias de Shannon, Renyi e Tsallis, índice de Moran, energia, contraste, correlação e homogeneidade. A seleção de vetores com as melhores características foi realizada pelo algoritmo ReliefF, enquanto a classificação das imagens foi realizada através dos métodos de Random Forests, Logistic Regression, e Multilayer Perceptron. Foram incluídas 5 amostras de tecido normal de lábio (TNL), 19 casos de QA e 20 de CCEL, dos quais se obteve 56, 312 e 352 ROIs, respectivamente. Notou-se uma elevação nos valores das escalas de entropia de Shannon e de entropia de Kapur, contraste e homogeneidade durante o processo de carcinogênese de lábio. As entropias de Renyl, Tsallis e Shannon e o índice de Moran foram significativas apenas ao se comparar TNL e QA com o CCEL, sendo maiores no câncer. Apenas no descritor energia os valores diminuíram do TNL para CCEL. Na classificação binária entre TNL e QA, o classificador com melhor desempenho foi MuP utilizando 16 características (AUC=0.84). Para as demais classificações binárias, o melhor desempenho foi identificado no classificador MuP com 12 características (AUC=0.89). Quando as três classes foram analisadas simultaneamente, o maior valor foi observado para MuP com 16 características (AUC=0.83). Conclui-se que a combinação de características não-morfológicas foi eficaz na distinção de imagens histológicas de TNL, QA e CCEL, utilizando principalmente o classificador Multilayer Perceptron. No entanto, se faz necessária a criação de um banco de imagens com amostras de queilite actínica que compreenda diferentes níveis de displasia epitelial para refinamento do algoritmo.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseOdontologiapt_BR
dc.sizeorduration16pt_BR
dc.subject.cnpqCNPQ::CIENCIAS DA SAUDE::MEDICINA::ANATOMIA PATOLOGICA E PATOLOGIA CLINICApt_BR
dc.orcid.putcode115395818-
Appears in Collections:TCC - Odontologia

Files in This Item:
File Description SizeFormat 
AnáliseComputacionalImagens.pdf721.07 kBAdobe PDFThumbnail
View/Open
Show simple item record


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