O câncer é responsável por cerca de 7 milhões de óbitos anuais em todo o mundo. Estima-se que 25% de todos os cânceres são de pele, sendo no Brasil o tipo mais incidente em todas as regiões geográficas. Entre eles, o tipo melanoma, responsável por 4% dos cânceres de pele, cuja incidência dobrou mundialmente nos últimos dez anos. Entre os métodos diagnósticos empregados, cita-se a regra ABCD, que leva em consideração assimetria (A), bordas (B), cor (C) e diâmetro (D) de manchas ou nevos. O processamento digital de imagens tem mostrado um bom potencial para auxiliar no diagnóstico precoce de melanomas. Neste sentido, o objetivo do presente estudo foi desenvolver um software, na plataforma MATLAB®, associado a um hardware para padronizar a aquisição de imagens, visando realizar o diagnóstico e acompanhamento de lesões cutâneas suspeitas de malignidade (melanoma). Utilizou-se como norteador a regra ABCD para o desenvolvimento de métodos de análise computacional. Empregou-se o MATLAB como ambiente de programação para o desenvolvimento de um software para o processamento digital de imagens. As imagens utilizadas foram adquiridas de dois bancos de imagens de acesso livre. Foram inclusas imagens de melanomas (n=15) e imagens nevos (não câncer) (n=15). Utilizaram-se imagens no canal de cor RGB, as quais foram convertidas para escala de cinza, aplicação de filtro de mediana 8x8 e técnica de aproximação por vizinhança 3x3. Após, procedeu-se a binarização e inversão de preto e branco para posterior extração das características do contorno da lesão. Para a aquisição padronizada de imagens foi desenvolvido um protótipo de hardware, o qual não foi empregado neste estudo (que utilizou imagens com diagnóstico fechado, de bancos de imagem), mas foi validado para a avaliação do diâmetro das lesões (D). Utilizou-se a estatística descritiva onde os grupos foram submetidos ao teste não paramétrico para duas amostras independentes de Mann-Whitney U. Ainda, para avaliar a sensibilidade (SE) e especificidade (SP) de cada variável, empregou-se a curva ROC. O classificador utilizado foi uma rede neural artificial de base radial, obtendo acerto diagnóstico para as imagens melanomas de 100% e para imagens não câncer de 90,9%. Desta forma, o acerto global para predição diagnóstica foi de 95,5%. Em relação a SE e SP do método proposto, obteve uma área sob a curva ROC de 0,967, o que sugere uma excelente capacidade de predição diagnóstica, sobretudo, com baixo custo de utilização, visto que o software pode ser executado na grande maioria dos sistemas operacionais hoje utilizados. / Cancer is responsible for about 7 million deaths annually worldwide. It is estimated that 25% of all cancers are skin, and in Brazil the most frequent in all geographic regions type. Among them, the melanoma type, accounting for 4% of skin cancers, whose incidence has doubled worldwide in the past decade. Among the diagnostic methods employed, it is cited ABCD rule which considers asymmetry (A), edges (B), color (C) and diameter (D) stains or nevi. The digital image processing has shown good potential to aid in early diagnosis of melanoma. In this sense, the objective of this study was to develop software in MATLAB® platform, associated with hardware to standardize image acquisition aiming at performing the diagnosis and monitoring of suspected malignancy (melanoma) skin lesions. Was used as the ABCD rule for guiding the development of methods of computational analysis. We used MATLAB as a programming environment for the development of software for digital image processing. The images used were acquired two banks pictures free access. Images of melanomas (n = 15) and pictures nevi (not cancer) (n = 15) were included. We used the image in RGB color channel, which were converted to grayscale, application of 8x8 median filter and approximation technique for 3x3 neighborhood. After we preceded binarization and reversing black and white for subsequent feature extraction contours of the lesion. For the standardized image acquisition was developed a prototype hardware, which was not used in this study (that used with enclosed diagnostic images of image banks), but has been validated for evaluation of lesion diameter (D). We used descriptive statistics where the groups were subjected to non-parametric test for two independent samples Mann-Whitney U test yet, to evaluate the sensitivity (SE) and specificity (SP) of each variable, we used the ROC curve. The classifier used was an artificial neural network with radial basis function, obtaining diagnostic accuracy for melanoma images and 100% for images not cancer of 90.9%. Thus, the overall diagnostic accuracy for prediction was 95.5%. Regarding the SE and SP of the proposed method, obtained an area under the ROC curve of 0.967, which suggests an excellent diagnostic ability to predict, especially with low costs, since the software can be run in most systems operational use today.

Em muitos países, os sistemas de radiologia computadorizada (CR) representam a maioria dos equipamentos usados em mamografia digital. Este estudo apresenta um método para a otimização da qualidade da imagem e da dose em mamografia digital CR para pacientes com mamas de espessuras entre 45 e 75. As espessuras das mamas foram simuladas com placas de polimetilmetacrilato (PMMA). Técnicas de exposição otimizadas (tensão (kV), produto corrente-tempo (mAs) e combinação alvo/filtro) foram definidas como aquelas que fornecem uma razão contraste-ruído (CNR) ideal, denominada CNR alvo, que permite atingir o limiar de contraste das imagens do detalhe de diâmetro de 0,10 mm no simulador CDMAM (versão 3.4 Artinis Medical Systems, Netherlands) com um padrão de Dose Glandular Média (DGM) aceitável. Os resultados foram utilizados para os ajustes do Controle Automático de Exposição (CAE) pela equipe de manutenção. Um estudo retrospectivo de dois grupos de pacientes (Grupo 1-antes do ajuste do CAE e Grupo 2- após o ajuste do CAE) foi realizado. Os parâmetros de exposição foram reproduzidos nos simuladores para a determinação da CNR, da DGM e do limiar de contraste. As imagens clínicas destes pacientes foram analisadas por três radiologistas especialistas em mamografia que responderam questões sobre as estruturas anatômicas, ruído e contraste em áreas de valores de pixels altos ou baixos, sobre nitidez e contraste da imagem. Os resultados mostram que o método proposto foi efetivo para todas as espessuras de mama avaliadas. O ajuste do CAE proporcionou a concentração de valores da CNR no Grupo 2 mais próximas ao CNR alvo e que, mesmo como aumento do nível de ruído nas imagens clínicas, as análises do CDMAM mostraram que não houve prejuízo na identificação do objeto de 0,10 mm de diâmetro. Finalmente, este estudo conclui que o uso dos CAE das unidades de raios X baseados em fornecer uma dose constante ao detector pode ocasionar algumas dificuldades para alguns sistemas CR operarem nas condições ótimas. / In many countries, computed radiography (CR) systems represent the majority of equipments used in digital mammography. This study presents a method for optimizing image quality and dose in CR mammography of patients with breast thicknesses between 45 to 75mm. The breast thicknesses were simulated with polymethylmetacrylate (PMMA). Optimazed exposure parameters ((voltage (kV), mA and time product (mAs) and target/filter combination)) was defined as giving an ideal contrast to noise ratio (CNR), defined as target CNR, to reach the threshold contrast of CDMAM (version 3.4) phantom (Artinis Medical Systems, Netherlands) images for acceptable mean glandular dose (MGD). These results were used for adjustments in the automatic exposure control (AEC) by the maintenance team. A retrospective study of two groups of patients (Group 1-before AEC adjustment and Group 2- after AEC adjustment) were done. The exposure parameters were reproduced in the phantoms to determine of CNR, MGD and threshold contrast. The clinical images of these patients were analyzed by three experienced radiologists who answered questions about anatomical structures, noise and contrast in low and high pixel value areas and image sharpness and contrast. The results showed that the proposed method was effective for all breast thickness evaluated. The AEC adjustment showed a concentration of CNR in Group 2 nearer of target CNR, and that the increasing of noise in clinical images, the CDMAM analysis showed that this level of noise did not disturb the detail of 0,1 mm diameter. Finally, this study also concluded that the use AEC of X rays unit based on constant dose to the detector may bring some difficulties to CR systems operate in optimal conditions.

CNPq; CAPES / A termografia permite a visualização de valores de temperatura de um corpo por meio de imagens. Na área médica, encontra aplicações em oncologia, análise de queimaduras, doenças vasculares, doenças respiratórias, doenças de pele e como forma geral de verificação da vitalidade dos tecidos. A termografia 3D consiste de uma malha 3D com uma textura térmica projetada em sua superfície, oferecendo uma visualização mais precisa dos padrões de temperatura das estruturas anatômicas. Propõe-se, por meio do presente trabalho, um sistema capaz de combinar imagens termográficas 2D com sua malha 3D correspondente e, como resultado, entregar uma imagem termográfica 3D para aplicações médicas. Para isso foram utilizadas as técnicas de Otimização por Enxame de Partículas (PSO) e de reconstrução 3D Structure from Motion (SfM). Diferentemente de outros trabalhos na literatura, a malha 3D e as imagens térmicas não precisam ser adquiridas simultaneamente, não sendo necessário um arranjo mecânico dedicado. A malha 3D pode ter origem em um scanner 3D ou em uma imagem de ressonância magnética, por exemplo. Para avaliar os resultados, um phantom, isto é, um objeto estático de avaliação, com propriedades conhecidas, foi construído. Para tal, uma técnica inédita, utilizando placas de circuito impresso foi desenvolvida. Como resultado, comparações entre a saída do método proposto e o phantom, apresentaram um erro máximo de 3,73 mm e médio de 1,41 mm, com desvio padrão de 0,74 mm, em um phantom de 100 x 150 x 103,2 mm. / Thermography is an imaging method that allows temperature visualization of various regions of an object. In medicine, it finds applications related to oncology, burn trauma, vascular, respiratory and skin diseases, and as a general tissue vitality checking tool. 3D thermography adds tridimensional information to the conventional 2D thermography. It is made from a 3D mesh wrapped by thermal texture, enabling a more precise visualization of thermal patterns of anatomical structures. We propose a system capable of combining 2D thermal images with their corresponding 3D mesh, delivering a 3D thermogram for medical applications as a result. We used Particle Swarm Optimization (PSO) for mesh alignment and Structure from Motion (SfM) for 3D reconstruction in the present method. In contrast to most research found in the literature, the 3D mesh and the thermal images do not need to be acquired simultaneously, and a mechanical support for the thermal camera and the 3D scanner is not required. The 3D mesh may be acquired, for instance, from a 3D scanner or a magnetic resonance imaging machine. In order to evaluate the results, a phantom, that is, a static assessment object of known properties has been built. For this purpose, a novel technique using printed circuit boards has been developed. As a result, comparison between the output of the method and the phantom shows a maximum error of 3.73 mm and a mean error of 1.41 mm with 0.74 mm of standard deviation in phantom of 100 x 150 x 103.2 mm. / 5000

A presente dissertação expositiva teve por objetivo o desenvolvimento de metodologia para análise forense de fios de cabelos. Considerado um microvestígio comum de ser encontrado em locais de crime contra pessoa (DOREA, 2010), fios de cabelo são capazes de fornecer informações úteis na identificação da autoria do crime, ou a entender a dinâmica de um crime violento (ROBERTSON, 1999). As fibras compostas por fio de cabelo deterioram-se lentamente (ROBBINS, 2012), e podem ser analisadas mesmo transcorrido longo período de tempo, tornando-se ainda mais relevante em locais de crime que são examinados tardiamente. Os equipamentos utilizados no presente estudo são de uso comum em laboratórios, permitindo que a metodologia seja amplamente empregada. O presente estudo buscou desenvolver metodologias para análise por microscopia ótica de fios de cabelo, identificando as características de interesse forense passíveis de serem estudadas. Utilizaram-se amostras de fios de cabelo para análise das seções transversais e longitudinais, de forma destrutiva e não destrutiva, com preparação de lâminas de forma permanente e não permanente. Como resultado obteve-se uma metodologia de baixo custo descrita para aplicações forenses em vestígios coletados em locais de crime, em armas de crimes ou em suspeitos, de forma a combater a criminalidade face o poder probatório da prova material. Constatou-se a possibilidade de identificação de características macroscópicas e microscópicas de fios de cabelo, que revelam atributos do doador e, em alguns casos, auxiliar no entendimento da dinâmica do crime. A agilidade observada no método permite ainda a obtenção de informações durante a fase preliminar ou de investigação em curtos espaços de tempo. / This monographic dissertation aimed to develop standards of microscopic forensic hair analysis. A very common trace to be found in certain crimes (DOREA, 2010), hair can be helpful to provide information regarding the perpetrator or the way that the crime was committed (ROBERTSON, 1999). Once hair is a low degradation fiber (ROBBINS, 2012), it can be analyzed long after the fact, becoming even more relevant in crime scenes processed after elapse time. The equipment’s used for this study are commonly found in forensic labs, allowing broad use. The study was restricted to literature review and further elaboration of preparation and analysis by optical microscopy of hairs methods, identifying the characteristics of forensic interest that can be studied. Samples of hair for cross section and longitudinal sections analysis had been used. Destructive and non-destructive methods in permanent and non-permanent blades where tested. As a result a low cost methodology was obtained for forensic applications in traces collected from crime scenes, weapons used in crimes or suspects, in order to combat crime by using the probative power of physical evidence.

O câncer é responsável por cerca de 7 milhões de óbitos anuais em todo o mundo. Estima-se que 25% de todos os cânceres são de pele, sendo no Brasil o tipo mais incidente em todas as regiões geográficas. Entre eles, o tipo melanoma, responsável por 4% dos cânceres de pele, cuja incidência dobrou mundialmente nos últimos dez anos. Entre os métodos diagnósticos empregados, cita-se a regra ABCD, que leva em consideração assimetria (A), bordas (B), cor (C) e diâmetro (D) de manchas ou nevos. O processamento digital de imagens tem mostrado um bom potencial para auxiliar no diagnóstico precoce de melanomas. Neste sentido, o objetivo do presente estudo foi desenvolver um software, na plataforma MATLAB®, associado a um hardware para padronizar a aquisição de imagens, visando realizar o diagnóstico e acompanhamento de lesões cutâneas suspeitas de malignidade (melanoma). Utilizou-se como norteador a regra ABCD para o desenvolvimento de métodos de análise computacional. Empregou-se o MATLAB como ambiente de programação para o desenvolvimento de um software para o processamento digital de imagens. As imagens utilizadas foram adquiridas de dois bancos de imagens de acesso livre. Foram inclusas imagens de melanomas (n=15) e imagens nevos (não câncer) (n=15). Utilizaram-se imagens no canal de cor RGB, as quais foram convertidas para escala de cinza, aplicação de filtro de mediana 8x8 e técnica de aproximação por vizinhança 3x3. Após, procedeu-se a binarização e inversão de preto e branco para posterior extração das características do contorno da lesão. Para a aquisição padronizada de imagens foi desenvolvido um protótipo de hardware, o qual não foi empregado neste estudo (que utilizou imagens com diagnóstico fechado, de bancos de imagem), mas foi validado para a avaliação do diâmetro das lesões (D). Utilizou-se a estatística descritiva onde os grupos foram submetidos ao teste não paramétrico para duas amostras independentes de Mann-Whitney U. Ainda, para avaliar a sensibilidade (SE) e especificidade (SP) de cada variável, empregou-se a curva ROC. O classificador utilizado foi uma rede neural artificial de base radial, obtendo acerto diagnóstico para as imagens melanomas de 100% e para imagens não câncer de 90,9%. Desta forma, o acerto global para predição diagnóstica foi de 95,5%. Em relação a SE e SP do método proposto, obteve uma área sob a curva ROC de 0,967, o que sugere uma excelente capacidade de predição diagnóstica, sobretudo, com baixo custo de utilização, visto que o software pode ser executado na grande maioria dos sistemas operacionais hoje utilizados. / Cancer is responsible for about 7 million deaths annually worldwide. It is estimated that 25% of all cancers are skin, and in Brazil the most frequent in all geographic regions type. Among them, the melanoma type, accounting for 4% of skin cancers, whose incidence has doubled worldwide in the past decade. Among the diagnostic methods employed, it is cited ABCD rule which considers asymmetry (A), edges (B), color (C) and diameter (D) stains or nevi. The digital image processing has shown good potential to aid in early diagnosis of melanoma. In this sense, the objective of this study was to develop software in MATLAB® platform, associated with hardware to standardize image acquisition aiming at performing the diagnosis and monitoring of suspected malignancy (melanoma) skin lesions. Was used as the ABCD rule for guiding the development of methods of computational analysis. We used MATLAB as a programming environment for the development of software for digital image processing. The images used were acquired two banks pictures free access. Images of melanomas (n = 15) and pictures nevi (not cancer) (n = 15) were included. We used the image in RGB color channel, which were converted to grayscale, application of 8x8 median filter and approximation technique for 3x3 neighborhood. After we preceded binarization and reversing black and white for subsequent feature extraction contours of the lesion. For the standardized image acquisition was developed a prototype hardware, which was not used in this study (that used with enclosed diagnostic images of image banks), but has been validated for evaluation of lesion diameter (D). We used descriptive statistics where the groups were subjected to non-parametric test for two independent samples Mann-Whitney U test yet, to evaluate the sensitivity (SE) and specificity (SP) of each variable, we used the ROC curve. The classifier used was an artificial neural network with radial basis function, obtaining diagnostic accuracy for melanoma images and 100% for images not cancer of 90.9%. Thus, the overall diagnostic accuracy for prediction was 95.5%. Regarding the SE and SP of the proposed method, obtained an area under the ROC curve of 0.967, which suggests an excellent diagnostic ability to predict, especially with low costs, since the software can be run in most systems operational use today.

Um dos mais freqüentes tumores existentes é o câncer de pele. Quando identificado precocemente este tipo de câncer apresenta altos percentuais de cura. Para isso é necessário o reconhecimento de suas características. As características analisadas fundamentam-se em identificadores como: Assimetria da lesão (A); Irregularidade das Bordas (B); Cor (C) e Diâmetro (D). Neste trabalho utiliza-se como ferramenta o Processamento de Imagens digitais para o pré-diagnóstico do câncer de pele. / Skin cancer is one of the most frequent tumors . When early diagnosticated this kind of cancer reachs high percentage of cure. But the identification of its characteristics is necessary. The characteristics to be analised are: Asymmetry (A); Irregularity border (B); Color (C) and diameter (D). The present work uses as tool for first diagnostic of skin cancer the digital images processing.

A Microscopia de Força Atômica é uma técnica que permite a aquisição de imagens em escalas nanométricas da superfície de quase todo tipo de material. Nessa escala, porém, as imagens podem apresentar uma relação sinal/ruído pobre, causado por efeitos degenerativos em sua qualidade. Para recuperar essas imagens ou minimizar os efeitos da degradação, técnicas de restauração de imagens são empregadas. Nas últimas décadas, diversas técnicas têm sido desenvolvidas e aplicadas com essa finalidade. Dentre elas, uma técnica de restauração, descrita aqui nesta tese, baseada na minimização de um funcional de Tikhonov com termos de regularização a um parâmetro, tem sido usada há alguns anos com resultados bastante satisfatórios no tratamento de imagens obtidas com o Microscópio de Força Atômica. O uso dessa técnica, entretanto, exige um grande esforço computacional que resulta em um tempo de execução elevado quando o programa que implementa o algoritmo de restauração é processado serialmente. Além disso, à medida que os equipamentos eletrônicos aumentam as suas capacidades, as imagens obtidas por esses equipamentos aumentam de resolução, assim como o esforço computacional e o tempo gasto para analisá-las e restaurálas. Assim, com o passar do tempo, o aumento da velocidade de processamento e do desempenho do programa de restauração tem-se tornado um problema cada vez mais crítico. Com o intuito de obter uma velocidade maior de processamento, nesta tese é descrita uma estratégia de implementação do algoritmo de restauração que faz uso de técnicas de computação paralela para se desenvolver uma nova versão paralela do programa de restauração. Os resultados obtidos com essa nova versão do programa mostram que a estratégia paralela adotada reduziu os tempos de execução e produziu bons desempenhos computacionais quando comparado com outras implementações feitas do mesmo algoritmo. Além disso, a nova estratégia apresenta níveis de desempenho maiores à medida que as resoluções das imagens restauradas aumentam, possibilitando a restauração de imagens maiores num tempo proporcionalmente mais curto.

Proteins are the actual actors in the (normal or disrupted) physiological processes and immunohistochemistry (IHC) is a very efficient mean of visualizing and locating protein expression in tissue samples. By comparing pathologic and normal tissue, IHC is thus able to evidence protein expression alterations. This is the reason why IHC plays a grow- ing role to evidence tissue-based biomarkers in clinical pathology for diagnosing var- ious diseases and directing personalized therapy. Therefore, IHC biomarker evaluation significantly impacts the adequacy of the therapeutic choices for patients with serious pathologies, such as cancer. However, this evaluation may be time-consuming and dif- ficult to apply in practice due to the absence of precise positive cut-off values as well as staining (i.e. protein expression) heterogeneity intra- and inter-samples. Quantifying IHC staining patterns has thus become a crucial need in histopathology. For this task, automated image analysis has multiple advantages, such as avoiding the evidenced ef- fects of human subjectivity. The recent introduction of whole-slide scanners opened a wide range of possibilities for addressing challenging image analysis problems, includ- ing the identification of tissue-based biomarkers. Whole-slide scanners are devices that are able to image whole tissue slides at resolutions up to 0.1 micrometers per pixels, often referred to as virtual slides. In addition to quantification of IHC staining patterns, virtual slides are invaluable tools for the implementation of digital pathology work- flows. The present work aims to make several contributions towards this current digital shift in pathology. Our first contribution was to propose an automated virtual slide sharpness assessment tool. Although modern whole-slide scanner devices resolve most image standardization problems, focusing errors are still likely to be observed, requiring a sharpness assessment procedure. Our proposed tool will ensure that images provided to subsequent pathologist examination and image analysis are correctly focused. Virtual slides also enable the characterization of biomarker expression heterogeneity. Our sec- ond contribution was to propose a method to characterize the distribution of densely stained regions in the case of nuclear IHC biomarkers, with a focus on the identification of highly proliferative tumor regions by analyzing Ki67-stained tissue slides. Finally, as a third contribution, we propose an efficient mean to register virtual slides in order to characterize biomarker colocalization on adjacent tissue slides. This latter contribution opens new prospects for the analysis of more complex questions at the tissue level and for finely characterizing disease processes and/or treatment responses./Les protéines sont les véritables acteurs des processus physiologiques (normaux ou per- turbés) et l’immunohistochimie (IHC) est un moyen efficace pour visualiser et localiser leur expression au sein d’échantillons histologiques. En comparant des échantillons de tissus pathologiques et normaux, l’IHC permet de révéler des altérations dans des pro- fils d’expression protéique. C’est pourquoi l’IHC joue un rôle de plus en plus important pour mettre en évidence des biomarqueurs histologiques intervenant dans le diagnos- tic de diverses pathologies et dans le choix de thérapies personnalisées. L’évaluation de l’expression de biomarqueurs révélés par IHC a donc des répercussions importantes sur l’adéquation des choix thérapeutiques pour les patients souffrant de pathologies graves, comme le cancer. Cependant, cette évaluation peut être chronophage et difficile à appliquer en pratique, d’une part, à cause de l’hétérogénéité de l’expression protéique intra- et inter-échantillon, d’autre part, du fait de l’absence de critères de positivité bien définis. Il est donc devenu crucial de quantifier les profils d’expression de marquages IHC en histopathologie. A cette fin, l’analyse d’image automatisée possède de multiples avantages, comme celui d’éviter les effets de la subjectivité humaine, déjà démontrés par ailleurs. L’apparition récente des numériseurs de lames histologiques complètes, ou scanners de lames, a permis l’émergence d’un large éventail de possibilités pour traiter des problèmes d’analyse d’image difficiles menant à l’identification de biomar- queurs histologiques. Les scanners de lames sont des dispositifs capables de numériser des lames histologiques à une résolution pouvant atteindre 0,1 micromètre par pixel, expliquant la dénomination de "lames virtuelles" des images ainsi acquises. En plus de permettre la quantification des marquages IHC, les lames virtuelles sont des outils indis- pensables pour la mise en place d’un flux de travail numérique en pathologie. Le travail présenté ici vise à fournir plusieurs contributions au récent changement de cap vers une numérisation de la discipline médicale qu’est l’anatomie pathologique. Notre première contribution consiste en un outil permettant d’évaluer automatiquement la netteté des lames virtuelles. En effet, bien que les scanners de lames résolvent la plupart des pro- blèmes liés à la standardisation de l’acquisition, les erreurs de focus restent fréquentes, ce qui nécessite la mise en place d’une procédure de vérification de la netteté. L’outil que nous proposons assurera la netteté des images fournies à l’examen du pathologiste et à l’analyse d’image. Les lames virtuelles permettent aussi de caractériser l’hétérogénéité de l’expression de biomarqueurs. Ainsi, la deuxième contribution de ce travail repose sur une méthode permettant de caractériser la distribution de régions densément marquées par des biomarqueurs IHC nucléaires. Pour ce travail, nous nous sommes concentrés sur l’identification de régions tumorales présentant une forte activité proliférative en analysant des lames virtuelles révélant l’expression de la protéine Ki67. Finalement, la troisième contribution de ce travail fut de proposer un moyen efficace de recaler des lames virtuelles dans le but de caractériser la colocalisation de biomarqueurs IHC révé- lés sur des coupes de tissu adjacentes. Cette dernière contribution ouvre de nouvelles perspectives pour l’analyse de questions complexes au niveau histologique ainsi que la caractérisation fine de processus pathologiques et de réponses thérapeutiques. / Doctorat en Sciences de l'ingénieur / info:eu-repo/semantics/nonPublished

Doctorat en philosophie et lettres / info:eu-repo/semantics/nonPublished

The purpose of this project is to develop a Java Applet that provides all the tools needed for creating image fantasies. It lets the user pick a template and an image, and combine them together. The user can then apply image processing techniques such as rotation, zooming, blurring etc according to his/her requirements.