Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/9654
Título: Segmentação de bacilos de tuberculose em imagens de microscopia convencional através da utilização de redes neurais artificiais e máquinas de vetores suporte
Autor(es): Soares, Lucas de Assis
Orientador: Evandro Ottoni Teatini Salles
Data do documento: 17-Abr-2015
Editor: Universidade Federal do Espírito Santo
Resumo: Embora tratável, a tuberculose (TB) é um problema de saúde global estando apenas atrás da AIDS como o maior responsável por mortes devido a um único agente infeccioso (WHO, 2015). Para que seja tratada, um diagnóstico adequado da doença deve ser feito. Ainda hoje, a maior parte do diagnóstico laboratorial é realizado usando a técnica de coloração de Ziehl-Neelsen sobre a lâmina com escarro do paciente, e esta é examinada por um microscópio ótico em busca dos bacilos de tuberculose através da inspeção humana. Esse processo é demorado e exaustivo, de modo que um sistema de reconhecimento automático de bacilos de tuberculose, a partir de imagens da lâmina, permitiria tornar o processo de diagnóstico mais ágil e menos cansativo. Neste trabalho, um sistema de segmentação automática de bacilos de tuberculose usando imagens de microscopia convencional é proposto. O sistema é basicamente dividido em duas etapas: a segmentação propriamente dita e a classificação das estruturas segmentadas. Primeiramente, as imagens são projetadas com base na análise do discriminante linear de Fisher, permitindo uma maior separação entre os pixels de fundo e os pixels de bacilo. Em seguida, duas abordagens são testadas: uma segmentação baseada em limiarização global e outra baseada no método de Otsu. As estruturas muito grandes e muito pequenas passam por um processo de filtragem e é feito um pós-processamento morfológico. Por fim, a classificação das estruturas segmentadas é feita usando redes neurais artificiais e máquinas de vetores suporte. Os resultados mostram que é possível implementar um sistema de segmentação automática de bacilos de tuberculose com boa capacidade de distinção dos bacilos e de baixo custo computacional. Para a segmentação, até 98,69% dos bacilos são corretamente segmentados e até 85,61% dos bacilos permanecem após o filtro de áreas. Para a classificação das estruturas, foram obtidos valores médios de sensibilidade, especificidade, acurácia e precisão de até 94,25%, 95,33%, 95,73% e 92,50%, respectivamente.
Even though tuberculosis (TB) is a treatable disease, it is still a major global health problem being second only to AIDS as the greatest killer worldwide due to a single infectious agent (WHO, 2015). In order to treat it, the disease must be properly diagnosed. The diagnosis is usually done using by staining a slide with patient sputum using the Ziehl-Neelsen stain and then a human specialist analyzes it using an optical microscope looking for tuberculosis bacilli. Since this process is time consuming and labor intensive, an automatic bacilli recognition system allows the diagnosis process to be more agile and less tiresome. In this work, an automatic tuberculosis bacilli segmentation system using conventional microscopy images is proposed. The system is basically divided in two stages: a stage of segmentation and a stage for classification of the segmented structures. First, images are projected based on a linear discriminant analysis considering Fisher criterion in order to increase the separation between bacilli pixels and background pixels. Then, two approaches are evaluated: a segmentation process based on global thresholding and another based on Otsu segmentation method. Structures that have a big or a small area are then filtered and morphological operators are applied over the binary image. Finally, the segmented structures are classified using artificial neural networks and support vector machines. The results show that it is possible to implement an automatic tuberculosis bacilli segmentation system that provides a good distinction of bacilli in the images with a low computational cost. For the segmentation stage, up to 98.69% of bacilli are correctly segmented and up to 85.51% of bacilli remain after the area filter. For the classification of the structures, mean values up to 94.25%, 95.33%, 95.73% and 92.50% were obtained for sensitivity, specificity, accuracy and precision, respectively.
URI: http://repositorio.ufes.br/handle/10/9654
Aparece nas coleções:PPGEE - Dissertações de mestrado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_8213_[DISSERTAÇÃO] Lucas de Assis Soares.pdf4.49 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.