Please use this identifier to cite or link to this item: http://repositorio.ufes.br/handle/10/9654
Title: Segmentação de Bacilos de Tuberculose em Imagens de Microscopia Convencional Através da Utilização de Redes Neurais Artificiais e Máquinas de Vetores Suporte
metadata.dcterms.creator: SOARES, L. A.
metadata.dcterms.issued: 17-Apr-2015
Publisher: Universidade Federal do Espírito Santo
metadata.dcterms.abstract: 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.
URI: http://repositorio.ufes.br/handle/10/9654
Appears in Collections:PPGEE - Dissertações de mestrado

Files in This Item:
File Description SizeFormat 
tese_8213_[DISSERTAÇÃO] Lucas de Assis Soares.pdf4.49 MBAdobe PDFView/Open


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