Nódulos de tireoide são achados clínicos comuns e, atualmente, o método diagnóstico de escolha para diferenciar lesões benignas de lesões malignas é a análise citopatológica dos nódulos através de punção aspirativa por agulha fina (PAAF). Estudos prévios já indicaram que os níveis séricos de TSH podem estar associados ao risco de malignidade nodular. O objetivo deste estudo foi avaliar se o TSH sérico é um preditor de malignidade em nódulos de tireoide em pacientes submetidos à PAAF. A amostra contemplou 100 indivíduos puncionados consecutivamente no Centro de Pronto Diagnóstico Ambulatorial, CPDA, HCPA e que apresentavam níveis de TSH dentro da normalidade. Todos os pacientes foram submetidos à PAAF da tireoide com controle ultrassonográfico e tiveram, posteriormente, a análise citopatológica da PAAF e a avaliação histopatológica do bloco celular. A análise estatística baseou-se em dados de frequências e testes não-paramétricos foram utilizados para correlacionar as variáveis. A população de estudo foi composta por 100 pacientes, sendo 89 mulheres e 11 homens. A média de idade foi de 54,1 ± 14,2 anos e o tamanho médio dos nódulos foi de 2.53 ± 1.36 centímetros. Vinte e seis % destes pacientes apresentavam algum tipo de doença tireoidiana prévia. A média do nível de TSH sérico entre os 100 indivíduos foi de 1.81 ± 1.08 uUI/mL. De acordo com o diagnóstico citopatológico da PAAF complementado pelos achados do bloco celular foram classificados como malignos 8% dos nódulos, 70% benignos, 11% suspeitos/ indeterminados, 8% insuficientes e 3% lesões foliculares. A média de TSH para os grupos maligno, benigno, suspeito/indeterminado, insuficiente e lesão folicular foi de, respectivamente, 2.48, 1.59, 2.21, 2.35 e 2.20 uUI/ml (p>0.05). Não houve diferença estatística significante entre os grupos diagnósticos avaliados, apesar de haver uma variação entre os níveis de TSH entre os grupos refletindo, provavelmente, o pequeno tamanho da amostra. / Thyroid nodules are common and currently the first choice of investigation in distinguishing benign from malignant disease is the cytological analysis of fine needle aspiration biopsy (FNAB). Previous studies have indicated that serum TSH levels might be associated with the likelihood of malignancy. The aim of this study was to evaluate whether serum TSH is a predictor of malignancy of thyroid nodules in patients undergoing FNAB. One hundred consecutive patients, who underwent FNAB as part of clinical investigation of thyroid nodule in a multidisciplinary setting tertiary hospital, underwent ultrasonography followed by FNAB, cytology and cell block analysis. Independent-Samples Kruskal-Wallis test was used to compare the groups. The study population comprised of 89 female and 11 male patients. The mean age was 54.1 ± 14.2 years. 26% had previous thyroid disease. Mean TSH levels was 1.81 ± 1.08 uUI/mL and the mean nodule size was 2.53 ± 1.36cm. Final cytology/cell block diagnosis classified 8% as malignant, 70% as benign, 11% suspicious/indeterminate, 8% insufficient and 3% follicular lesion. The mean TSH values for malignant, benign, suspect, insufficient and follicular lesion group were as follows: 2.48, 1.59, 2.21, 2.35 and 2.20 uUI/ml, respectively. No statistical significance was detected between TSH levels and final cytology/cell block diagnosis, possibly reflecting the small sample size (P>0.05). We observed a variation between TSH levels among the groups covered in this study, but there was no statistically significant difference among them.

O câncer de mama é um dos maiores problemas de saúde para a população feminina, devendo ser encarado como um importante problema de saúde pública. A ultrassonografia é considerada o método mais efetivo na complementação de diagnóstico de doenças mamárias, porém a forma de aquisição desse método diagnóstico degrada a imagem sob diversas formas, destacando-se o ruído speckle, o qual deixa a imagem com aspecto granulado, dificultando assim a separabilidade entre os objetos da cena. Este trabalho apresenta uma técnica automática para segmentação de nódulos mamários em imagens de ultrassom. O algoritmo permite a extração das bordas nodulares, permitindo assim a obtenção de parâmetros clínicos utilizados no diagnóstico mamário. Todo o processo se baseia em três etapas: minimização do ruído speckle, aumento de contraste da imagem e por fim, a segmentação. A técnica utilizada para minimização do ruído speckle baseia-se na Wavelet da família Symlet; técnicas para aumento de contraste na imagem são aplicadas para a segmentação. A partir daí, é aplicado o algoritmo de segmentação Asterisco, originalmente proposto para a detecção de microcalcificações em mamografias por raios X, e que mostrou também eficiência para os objetivos deste trabalho. A técnica Asterisco em conjunto com as de pré-processamento (minimização de ruído e aumento de contraste) produziu taxa de sensibilidade na detecção de nódulos da ordem de 90%. Em relação à qualidade da segmentação, a técnica apresentada neste trabalho também se mostrou satisfatória, superior às técnicas testadas, de acordo com a análise feita pelo cálculo de coeficientes de correlação de Pearson. É possível concluir que o sistema desenvolvido neste trabalho pode constituir-se numa ferramenta eficaz de segmentação de nódulos mamários em imagens de ultrassom, auxiliando o conjunto de informações disponíveis para um classificador automático em esquemas CAD em mamografia. / Breast cancer is one of the main health problems of the female population and should be faced as an important public health care issue. The ultrasound scanning is considered the most effective in complementary method of breast diagnosis. Nevertheless, the acquisition format of this sort degrades the images in various ways, being the speckle noise of noticeably influence once it leaves the image with grainy aspect. Therefore, the separability between objects of the scene is hindered. This work presents an automatic technique of ultrasound image segmentation of breast lumps. The algorithm allows the extraction of the nodular edges permitting the clinical parameters to be obtained for the breast diagnosis. All the process is based on three steps: speckle noise minimization, image contrast intensification and finally the segmentation. The technique used on the speckle noise minimization is based on the Wavelet transform of the Symlet family; image contrast intensifications are applied for the segmentation. Thereafter the algorithm of segmentation Asterisco is applied, which is originally proposed to detect micro calcifications in X-ray mammography, and has also shown efficiency regarding the goals of the present work. The Asterisco technique along with the pre processing techniques (noise minimizing and contrast intensification) produced sensitivity rate in nodule detection by 90%. With regard to the segmentation quality, the presented technique has also proved to be satisfactory as it has superior quality to the ones tested according to the analysis made by the Pearson\'s correlation coefficients calculation. Thus, it is possible to conclude that the system, which has been developed in this work, can constitute an efficient breast lumps segmentation tool so as to aid the set of available information to an automatic classifier in mammography CAD schemes.

A febre reumática é um bom exemplo de uma doença auto-imune deflagrada por um processo infeccioso. Num prazo de uma a quatro semanas após a resolução de uma faringite não tratada por cepas reumatogênicas de S. pyogenes, o organismo de um hospedeiro susceptível desencadeia uma resposta imune contra grandes articulações, coração, tecidos subcutâneos e cérebro. Acredita-se que elementos presentes na bactéria e reconhecidos durante a infecção na orofaringe, sejam confundidos com estruturas próprias do organismo, num processo denominado mimetismo molecular. Entre as proteínas envolvidas na reação cruzada, encontram-se a miosina cardíaca, pelo lado do hospedeiro, e a proteína M do microorganismo invasor. Esta última (proteína M) tem sido extensamente estudad. É a base da classificação das cepas de S. pyogenes e importante fator de virulência. Também tem sido explorada como imunógeno em várias estratégias vacinais. O estudo desta patologia tem sido dificultado pela ausência de um modelo animal que reproduza aspectos fundamentais da patologia humana, entre estes as lesões cardíacas. Uma das razões é o fato de que animais não contraem infecção pelo S. pyogenes. Portanto, produzimos a proteína M1 recombinante e mostramos que a imunização de 28 ratos Lewis por um período de 21 dias ou 14 ratos por 41 dias, com esta proteína foi capaz de induzir resposta inflamatória na maioria dos animais com intensidade variável. Células similares aos nódulos de Aschoff e células de Anitschkow, sugestivas das lesões patognomônicas da febre reumática foram observadas em dias e também de um em quatro dos animais controles que receberam PBS e adjuvantes. Estes resultados sugerem a presença de células auto-reativas no miocárdio dos animais imunizados. Em conclusão, o uso de proteína M1 recombinante como imunógeno em modelo animal de ratos Lewis é capaz de desencadear reação inflamatória em miocárdio e tecido valvular e lesões similares às da febre reumática. O modelo do rato Lewis é até o momento o que apresenta maior semelhança com a doença humana e pode ajudar a esclarecer a imunopatologia da febre reumática. Além disso, certamente será importante para a avaliação do potencial de proteção e de segurança em modelos de vacinas contra o S. pyogenes. / Rheumatic fever is a good example of an autoimmune disease triggered by an infectious process. One to four weeks after the resolution of a non treated pharyngitis caused by rheumatogenic strains of S. pyogenes, the susceptible host unravels an immune response targeting joints, heart, conective tissues and brain. It is thought that molecules present in the bacteria and recognized during the infection at the pharynx are confounded with the organism self structure in a process called ?molecular mimicry?. Amongst the proteins involved in the cross reaction, it may be found cardiac myosin, on the host side, and M protein on the invading organism?s side. The latter (Mprotein) has been extensively studied. It is the basis of the S. pyogenes strains classification, and also an important virulence factor. It has also been explored as an immunogen in several vaccine strategies. The nderstanding of this disease has been hampered by the absence of an animal model that reproduces fundamental aspects of the human pathology, specially cardiac lesions. One of the reasons is the fact that animals do not get infected by S. pyogenes. Hence we have produced the recombinant M1 protein and shown that either the immunization of 28 Lewis rats for a period of 21 days or 14 rats for a period of 41 days, was capable of inducing an inflammatory response in most of the animals with variable intensity. Aschoff nodules-like or Anitschkow-like cells resembling rheumatic fever pathognomonic lesions were seen in 50% of the animals immunized subcutaneously and sacrificed on day 21. We have observed an humoral and cellular response (spleen and lymph node derived cells) specifically targeting M1 protein and the amino (M1AB) and carboxy (M1C) terminus of the protein. However, cross reactions with cardiac myosin were not observer. We have derived T lymphocyte lineages obtained from myocardium infiltrating mononuclear cells from 6 of the 10 animals immunized with M1ABC protein subcutaneously and sacrificed on day 41 and also from one out of four PBS - adjuvant immunized animals. These results suggest the presence of autoreactive cells in the myocardium of the immunized animals. In conclusion, the use of the M1 protein as an immunogen on the Lewis rat model is capable of triggering an inflammatory reaction in the myocardium and valvular tissue and it can produce rheumatic fever like lesions. The Lewis rat model is up to this moment the one to present the highest similarity with human disease. Besides, it will certainly be important on the evaluation of the protection and safety of S. pyogenes vaccines.

Este trabalho apresenta um estudo inicial da aplicação de medidas de previsibilidade em sinais de voz. O objetivo é desenvolver métodos que sejam capazes de diferenciar sinais saudáveis e patológicos, inclusive separar patologias. Para isso, tenta-se medir a variação da incerteza e previsibilidade entre os sinais de voz dos grupos analisados. Algumas patologias de laringe, como nódulo e edema de Reinke, usadas neste estudo, causam modificações nos sinais de voz devido a mudanças na estrutura e funcionalidade do trato e pregas vocais. Nos casos patológicos, tem-se, principalmente, aumento de perturbações de freqüência e amplitude, adição de ruído e supressão de componentes harmônicos de alta freqüência da voz. Por causa disso, observa-se perda da estrutura quase-periódica dos sinais, aumentando-se a incerteza do sistema vocal e, portanto, diminuição de sua previsibilidade. Para avaliar essas mudanças, usam-se medidas de entropia de Shannon e entropia relativa entre os sinais saudáveis e patológicos. Além dessas, tem-se a potência de previsão (PP), a qual é uma medida baseada na entropia relativa entre o sinal de voz e seu erro de previsão obtido por um modelo. Inicialmente, optou-se pelo modelo autorregressivo (AR), consagrado em análise de voz, porém, devido a resultados não satisfatórios, apresentou-se um modelo baseado em decomposições por wavelets. Outra ferramenta utilizada foi a chamada análise de componentes previsíveis (PrCA), a qual realiza uma decomposição dos sinais em componentes ordenados por sua previsibilidade, sendo possível reconstruí-los usando somente os componentes mais previsíveis. Também, com essa técnica, analisaram-se representações tridimensionais dos sinais de voz em um espaço cujas coordenadas são dadas por versões atrasadas dos próprios sinais. Os algoritmos desenvolvidos foram testados com o auxílio de sinais de voz simulados, os quais possuíam variações de nível de ruído e perturbações de amplitude e freqüência. Com isso, foi possível detectar erros e solucionar problemas com os métodos. Após a avaliação dos algoritmos, estimou-se os valores de entropia dos sinais de voz, a entropia relativa entre os sinais saudáveis e os sinais dos grupos analisados, além de se calcular a PP usando o modelo AR e o modelo por wavelets. Por fim, utilizou-se a PrCA para obtenção de versões mais previsíveis dos sinais, então, calculando-se a PP para esses casos usando essa versão como previsão dos sinais. Aplicou-se, também, a PrCA para as representações tridimensionais dos sinais usando um modelamento AR multidimensional para obtenção de previsões. Com os ensaios de entropia dos sinais de voz, não foi possível diferenciar os grupos, mas com os resultados de entropia relativa, conseguiu-se distinguir eficientemente os sinais patológicos dos saudáveis. Porém, essa medida não possui muita aplicação prática, isso pois é necessário um banco de vozes diagnosticadas para servir de comparação. Nos ensaios de PP usando modelo AR, também não foi possível diferenciar os grupos, no entanto, com o modelo wavelet, os sinais saudáveis apresentaram significativamente maior previsibilidade do que os patológicos, mas, mesmo assim, não se conseguiu diferenciar as patologias. Com a PrCA, utilizando-se ambos os modelos, foi possível diferenciar os grupos patológicos do saudável, porém, frente ao modelo AR, os sinais saudáveis apresentaram menor previsibilidade. Isso demonstra que a previsibilidade depende do modelo usado para a análise, assim, as patologias da laringe podem diminuir ou aumentar a capacidade de previsão dos sinais de voz conforme o modelo usado. Com a avaliação dos resultados de PrCA das representações tridimensionais, tem-se comportamento semelhante ao obtido pela análise direta nos sinais de voz com o modelo AR, entretanto, essa forma e representação dos dados mostra se promissora em estudos futuros. Com esses ensaios, concluiu-se que este estudo foi muito útil para um maior conhecimento da dinâmica da produção vocal e que as medidas de previsibilidade são interessantes para avaliação de patologias da laringe, em especial, a presença de nódulo nas pregas vocais e edema de Reinke, pelo menos nestes estudos iniciais e usando os sinais de voz disponíveis. Mais estudos ainda são necessários, entretanto essa forma de análise já apresenta bons resultados, os quais podem ser aplicados para auxiliar o diagnóstico de disfonias por profissionais da saúde. / This thesis presents initial studies of the application of predictability measures to voice signal analysis. Its aim is to develop methods that are capable of differentiating healthy and pathological signals, also amongst pathologies. In order to do that, we perform an attempt to measure the uncertainty and predictability variations of the signals from the analyzed groups. Some larynx pathologies, such as nodule and Reinkes edema, that are used in this study, cause changes to the voice signals due to structure and functionality modifications of the vocal tract and folds. The main modifications are higher amplitude and frequency perturbations, noise addition, and supression of high frequency harmonic components. Because of that, the signals lose some of their almost periodic structure, the vocal system\'s uncertainty increases and, therefore, the predictability decreases. We use several measures to evaluate these changes, such as Shannons entropy and relative entropy between healthy and pathological signals. In addition, we use the predictive power (PP), that is based on the relative entropy between the voice signal and its prediction error given by a model. Firstly, we used the autoregressive model (AR), common for voice analysis, however, due to unsatisfactory results, we presented a model based on wavelet decomposition. We also took advantage of another tool, called predictable component analysis (PrCA), it performs a signal decomposition in components that are ordered by their predictability. Then it is possible to reconstruct the signals using only their most predictable components. Using this technique, we analyzed a kind of tridimensional representation of the voice signals in a space with coordinates given by delayed versions of the signals. We tested the developed algorithms with the aid of simulated voice signals, which had variations of noise level and amplitude and frequency perturbations. By means of that, it was possible to detect errors and solve method problems. After the algorithms evaluation, we estimated the entropy of the voice signals and the relative entropy between the healthy signals and all the signals. In addition, we estimated the PP using the AR and wavelet based models. After that, we used the PrCA in order to obtain more predictable versions of the signals and then, estimated the PP using this version as the signals prediction. Also, we applied the PrCA to the signals tridimensional representations using a multidimensional AR model as a predictor. Using the voice entropy results, we could not distinguish between the analyzed groups, but with the relative entropy values, the healthy and pathological signals were differentiated efficiently. In spite of that, this measure has no practical application, because a diagnosed voice database is necessary as a basis of comparison. For the PP with AR modeling, no distinction between the groups is observed, but with the wavelet modeling, the healthy signals showed significantly higher predictability than the pathological ones, however the pathologies were differentiated. Using the PrCA with both models, the pathological and healthy groups were distinguished, but for the AR model, the healthy signals presented smaller predictability. This shows that the predictability depends on the analysis model, thus the larynx pathologies can decrease or increase the prediction capacity of the voice signals according to the used model. The results of PrCA of the tridimensional representations show similar behavior of the ones from direct PrCA signal analisys with the AR model. Despite of these results, this form of data representation seems to be promising for future studies. Considering these results, we concluded that this study was very useful to acquire a better understanding of the dynamics of voice production and that the predictability measures are interesting for the evaluation of larynx pathologies, especially presence of nodule in the vocal folds and Reinke\'s edema, at least for this initial study using the available signals. More studies are still necessary, but this analysis method already presents good results, which can be applied to aid pathology diagnosis by health professionals.

Este trabalho apresenta um estudo inicial da aplicação de medidas de previsibilidade em sinais de voz. O objetivo é desenvolver métodos que sejam capazes de diferenciar sinais saudáveis e patológicos, inclusive separar patologias. Para isso, tenta-se medir a variação da incerteza e previsibilidade entre os sinais de voz dos grupos analisados. Algumas patologias de laringe, como nódulo e edema de Reinke, usadas neste estudo, causam modificações nos sinais de voz devido a mudanças na estrutura e funcionalidade do trato e pregas vocais. Nos casos patológicos, tem-se, principalmente, aumento de perturbações de freqüência e amplitude, adição de ruído e supressão de componentes harmônicos de alta freqüência da voz. Por causa disso, observa-se perda da estrutura quase-periódica dos sinais, aumentando-se a incerteza do sistema vocal e, portanto, diminuição de sua previsibilidade. Para avaliar essas mudanças, usam-se medidas de entropia de Shannon e entropia relativa entre os sinais saudáveis e patológicos. Além dessas, tem-se a potência de previsão (PP), a qual é uma medida baseada na entropia relativa entre o sinal de voz e seu erro de previsão obtido por um modelo. Inicialmente, optou-se pelo modelo autorregressivo (AR), consagrado em análise de voz, porém, devido a resultados não satisfatórios, apresentou-se um modelo baseado em decomposições por wavelets. Outra ferramenta utilizada foi a chamada análise de componentes previsíveis (PrCA), a qual realiza uma decomposição dos sinais em componentes ordenados por sua previsibilidade, sendo possível reconstruí-los usando somente os componentes mais previsíveis. Também, com essa técnica, analisaram-se representações tridimensionais dos sinais de voz em um espaço cujas coordenadas são dadas por versões atrasadas dos próprios sinais. Os algoritmos desenvolvidos foram testados com o auxílio de sinais de voz simulados, os quais possuíam variações de nível de ruído e perturbações de amplitude e freqüência. Com isso, foi possível detectar erros e solucionar problemas com os métodos. Após a avaliação dos algoritmos, estimou-se os valores de entropia dos sinais de voz, a entropia relativa entre os sinais saudáveis e os sinais dos grupos analisados, além de se calcular a PP usando o modelo AR e o modelo por wavelets. Por fim, utilizou-se a PrCA para obtenção de versões mais previsíveis dos sinais, então, calculando-se a PP para esses casos usando essa versão como previsão dos sinais. Aplicou-se, também, a PrCA para as representações tridimensionais dos sinais usando um modelamento AR multidimensional para obtenção de previsões. Com os ensaios de entropia dos sinais de voz, não foi possível diferenciar os grupos, mas com os resultados de entropia relativa, conseguiu-se distinguir eficientemente os sinais patológicos dos saudáveis. Porém, essa medida não possui muita aplicação prática, isso pois é necessário um banco de vozes diagnosticadas para servir de comparação. Nos ensaios de PP usando modelo AR, também não foi possível diferenciar os grupos, no entanto, com o modelo wavelet, os sinais saudáveis apresentaram significativamente maior previsibilidade do que os patológicos, mas, mesmo assim, não se conseguiu diferenciar as patologias. Com a PrCA, utilizando-se ambos os modelos, foi possível diferenciar os grupos patológicos do saudável, porém, frente ao modelo AR, os sinais saudáveis apresentaram menor previsibilidade. Isso demonstra que a previsibilidade depende do modelo usado para a análise, assim, as patologias da laringe podem diminuir ou aumentar a capacidade de previsão dos sinais de voz conforme o modelo usado. Com a avaliação dos resultados de PrCA das representações tridimensionais, tem-se comportamento semelhante ao obtido pela análise direta nos sinais de voz com o modelo AR, entretanto, essa forma e representação dos dados mostra se promissora em estudos futuros. Com esses ensaios, concluiu-se que este estudo foi muito útil para um maior conhecimento da dinâmica da produção vocal e que as medidas de previsibilidade são interessantes para avaliação de patologias da laringe, em especial, a presença de nódulo nas pregas vocais e edema de Reinke, pelo menos nestes estudos iniciais e usando os sinais de voz disponíveis. Mais estudos ainda são necessários, entretanto essa forma de análise já apresenta bons resultados, os quais podem ser aplicados para auxiliar o diagnóstico de disfonias por profissionais da saúde. / This thesis presents initial studies of the application of predictability measures to voice signal analysis. Its aim is to develop methods that are capable of differentiating healthy and pathological signals, also amongst pathologies. In order to do that, we perform an attempt to measure the uncertainty and predictability variations of the signals from the analyzed groups. Some larynx pathologies, such as nodule and Reinkes edema, that are used in this study, cause changes to the voice signals due to structure and functionality modifications of the vocal tract and folds. The main modifications are higher amplitude and frequency perturbations, noise addition, and supression of high frequency harmonic components. Because of that, the signals lose some of their almost periodic structure, the vocal system\'s uncertainty increases and, therefore, the predictability decreases. We use several measures to evaluate these changes, such as Shannons entropy and relative entropy between healthy and pathological signals. In addition, we use the predictive power (PP), that is based on the relative entropy between the voice signal and its prediction error given by a model. Firstly, we used the autoregressive model (AR), common for voice analysis, however, due to unsatisfactory results, we presented a model based on wavelet decomposition. We also took advantage of another tool, called predictable component analysis (PrCA), it performs a signal decomposition in components that are ordered by their predictability. Then it is possible to reconstruct the signals using only their most predictable components. Using this technique, we analyzed a kind of tridimensional representation of the voice signals in a space with coordinates given by delayed versions of the signals. We tested the developed algorithms with the aid of simulated voice signals, which had variations of noise level and amplitude and frequency perturbations. By means of that, it was possible to detect errors and solve method problems. After the algorithms evaluation, we estimated the entropy of the voice signals and the relative entropy between the healthy signals and all the signals. In addition, we estimated the PP using the AR and wavelet based models. After that, we used the PrCA in order to obtain more predictable versions of the signals and then, estimated the PP using this version as the signals prediction. Also, we applied the PrCA to the signals tridimensional representations using a multidimensional AR model as a predictor. Using the voice entropy results, we could not distinguish between the analyzed groups, but with the relative entropy values, the healthy and pathological signals were differentiated efficiently. In spite of that, this measure has no practical application, because a diagnosed voice database is necessary as a basis of comparison. For the PP with AR modeling, no distinction between the groups is observed, but with the wavelet modeling, the healthy signals showed significantly higher predictability than the pathological ones, however the pathologies were differentiated. Using the PrCA with both models, the pathological and healthy groups were distinguished, but for the AR model, the healthy signals presented smaller predictability. This shows that the predictability depends on the analysis model, thus the larynx pathologies can decrease or increase the prediction capacity of the voice signals according to the used model. The results of PrCA of the tridimensional representations show similar behavior of the ones from direct PrCA signal analisys with the AR model. Despite of these results, this form of data representation seems to be promising for future studies. Considering these results, we concluded that this study was very useful to acquire a better understanding of the dynamics of voice production and that the predictability measures are interesting for the evaluation of larynx pathologies, especially presence of nodule in the vocal folds and Reinke\'s edema, at least for this initial study using the available signals. More studies are still necessary, but this analysis method already presents good results, which can be applied to aid pathology diagnosis by health professionals.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-08-18T14:02:37Z No. of bitstreams: 1 cleriston.pdf: 1605933 bytes, checksum: c1faa5f854c1a9debfbaa1affc5ab4ad (MD5) / Made available in DSpace on 2017-08-18T14:02:37Z (GMT). No. of bitstreams: 1 cleriston.pdf: 1605933 bytes, checksum: c1faa5f854c1a9debfbaa1affc5ab4ad (MD5) Previous issue date: 2009-02-12 / The diagnosis of lung nodules has been constantly looked for by researchers as a way to minimize the high global mortality indices related to lung cancer. The usage of medical images, such as Computerized Tomography, has made possible the deepening and the improvement of techniques used to evaluate exams and provide diagnosis. This work presents a methodology for diagnosing single lung nodules that can be an aid for studies performed on similar areas and for specialists. This methodology was applied to two different image databases. The representation of the nodules was done with extraction of geometry and texture features, being the last one described through Simpson’s Index, a statistic used in Spatial Analysis and in Ecology. These features were submitted to the Support Vector Machine classifier (SVM) in two approaches: the traditional approach and the approach by using One Class. With the traditional SVM approach, we have obtained sensibility rates of 90%, specificity of 96.67% and accuracy of 95%. Using One Class SVM, the obtained rates were: sensibility of 89.7%, specificity of 89.7% and accuracy of 89.7%. / O diagnóstico de nódulos pulmonares tem sido buscado constantemente por pesquisadores como forma de amenizar os altos índices de mortalidade mundial relacionado ao câncer de pulmão. O uso de imagens médicas, como a Tomografia Computadorizada, tem possibilitado um aprofundamento e melhoramento de técnicas para avaliar exames e prover diagnósticos. Este trabalho apresenta uma metodologia para diagnóstico de nódulos pulmonares solitários que possa servir como um auxílio para estudos realizados em áreas afins e para especialistas. Esta metodologia foi aplicada a duas diferentes bases de dados de imagens. A representação dos nódulos foi feita com a extração de medidas de geometria e de textura sendo esta última descrita através do Índice de Simpson, uma estatística utilizada na Análise Espacial e na Ecologia. Essas medidas foram submetidas ao classificador Máquina de Vetores de Suporte - MVS em duas abordagens: a abordagem tradicional e abordagem usando uma classe. Com abordagem MVS tradicional, obtiveramse taxas de sensibilidade de 90%, especificidade de 96,67% e acurácia de 95%. Usando MVS de uma classe, as taxas obtidas foram: sensibilidade igual a 89,7%, especificidade igual a 89,7% e acurácia igual a 89,7%.

A febre reumática é um bom exemplo de uma doença auto-imune deflagrada por um processo infeccioso. Num prazo de uma a quatro semanas após a resolução de uma faringite não tratada por cepas reumatogênicas de S. pyogenes, o organismo de um hospedeiro susceptível desencadeia uma resposta imune contra grandes articulações, coração, tecidos subcutâneos e cérebro. Acredita-se que elementos presentes na bactéria e reconhecidos durante a infecção na orofaringe, sejam confundidos com estruturas próprias do organismo, num processo denominado mimetismo molecular. Entre as proteínas envolvidas na reação cruzada, encontram-se a miosina cardíaca, pelo lado do hospedeiro, e a proteína M do microorganismo invasor. Esta última (proteína M) tem sido extensamente estudad. É a base da classificação das cepas de S. pyogenes e importante fator de virulência. Também tem sido explorada como imunógeno em várias estratégias vacinais. O estudo desta patologia tem sido dificultado pela ausência de um modelo animal que reproduza aspectos fundamentais da patologia humana, entre estes as lesões cardíacas. Uma das razões é o fato de que animais não contraem infecção pelo S. pyogenes. Portanto, produzimos a proteína M1 recombinante e mostramos que a imunização de 28 ratos Lewis por um período de 21 dias ou 14 ratos por 41 dias, com esta proteína foi capaz de induzir resposta inflamatória na maioria dos animais com intensidade variável. Células similares aos nódulos de Aschoff e células de Anitschkow, sugestivas das lesões patognomônicas da febre reumática foram observadas em dias e também de um em quatro dos animais controles que receberam PBS e adjuvantes. Estes resultados sugerem a presença de células auto-reativas no miocárdio dos animais imunizados. Em conclusão, o uso de proteína M1 recombinante como imunógeno em modelo animal de ratos Lewis é capaz de desencadear reação inflamatória em miocárdio e tecido valvular e lesões similares às da febre reumática. O modelo do rato Lewis é até o momento o que apresenta maior semelhança com a doença humana e pode ajudar a esclarecer a imunopatologia da febre reumática. Além disso, certamente será importante para a avaliação do potencial de proteção e de segurança em modelos de vacinas contra o S. pyogenes. / Rheumatic fever is a good example of an autoimmune disease triggered by an infectious process. One to four weeks after the resolution of a non treated pharyngitis caused by rheumatogenic strains of S. pyogenes, the susceptible host unravels an immune response targeting joints, heart, conective tissues and brain. It is thought that molecules present in the bacteria and recognized during the infection at the pharynx are confounded with the organism self structure in a process called ?molecular mimicry?. Amongst the proteins involved in the cross reaction, it may be found cardiac myosin, on the host side, and M protein on the invading organism?s side. The latter (Mprotein) has been extensively studied. It is the basis of the S. pyogenes strains classification, and also an important virulence factor. It has also been explored as an immunogen in several vaccine strategies. The nderstanding of this disease has been hampered by the absence of an animal model that reproduces fundamental aspects of the human pathology, specially cardiac lesions. One of the reasons is the fact that animals do not get infected by S. pyogenes. Hence we have produced the recombinant M1 protein and shown that either the immunization of 28 Lewis rats for a period of 21 days or 14 rats for a period of 41 days, was capable of inducing an inflammatory response in most of the animals with variable intensity. Aschoff nodules-like or Anitschkow-like cells resembling rheumatic fever pathognomonic lesions were seen in 50% of the animals immunized subcutaneously and sacrificed on day 21. We have observed an humoral and cellular response (spleen and lymph node derived cells) specifically targeting M1 protein and the amino (M1AB) and carboxy (M1C) terminus of the protein. However, cross reactions with cardiac myosin were not observer. We have derived T lymphocyte lineages obtained from myocardium infiltrating mononuclear cells from 6 of the 10 animals immunized with M1ABC protein subcutaneously and sacrificed on day 41 and also from one out of four PBS - adjuvant immunized animals. These results suggest the presence of autoreactive cells in the myocardium of the immunized animals. In conclusion, the use of the M1 protein as an immunogen on the Lewis rat model is capable of triggering an inflammatory reaction in the myocardium and valvular tissue and it can produce rheumatic fever like lesions. The Lewis rat model is up to this moment the one to present the highest similarity with human disease. Besides, it will certainly be important on the evaluation of the protection and safety of S. pyogenes vaccines.

Made available in DSpace on 2016-08-17T14:53:20Z (GMT). No. of bitstreams: 1 dissertacao Leonardo.pdf: 864322 bytes, checksum: 557c6817aff39c2f398ebe22a59ad5c6 (MD5) Previous issue date: 2012-04-20 / FUNDAÇÃO DE AMPARO À PESQUISA E AO DESENVOLVIMENTO CIENTIFICO E TECNOLÓGICO DO MARANHÃO / Lung cancer is still the leading cause of cancer mortality worldwide, with one of the lowest survival rates after diagnosis. Therefore, early detection is important to increase the chances of curing the patient. The diagnosis is more accurate if the specialist has more information. In view of the above, this work presents a methodology for characterization about the malignancy or benignity of pulmonary nodules, acting as a second opinion for the expert. The methodology was applied in two different databases, one with 73 nodes, 26 malignant and 47 benign, and other with 1034 nodes and 517 malignant and 517 benign. The Diversity Indices of Shannon and Simpson were used as texture descriptors. The features generated were then subjected to the step of feature selection using the stepwise Discriminant Analysis. After this stage, they were classified by the Support Vector Machine (SVM) where we obtained sensitivity of 85.64%, specificity of 97.89% and accuracy of 92.78%. / O câncer de pulmão é ainda a maior causa de mortalidade por câncer em todo mundo, com uma das menores taxas de sobrevida a partir do diagnóstico. Por isso, sua detecção precoce é importante para aumentar a chances de cura do paciente, e de quanto mais informações o médico dispuser, mais preciso será o diagnóstico. Diante do exposto, o presente trabalho apresenta uma metodologia de caracterização de nódulos pulmonares, objetivando se tornar uma ferramenta computacional utilizada para sugerir sobre a malignidade ou benignidade dos mesmos, atuando como uma segunda opinião junto ao especialista. A metodologia foi aplicada em duas bases de dados diferentes, uma com 73 nódulos, sendo 26 malignos e 47 benignos, e outra com 1034 nódulos sendo 517 malignos e 517 benignos. Os Índices de Diversidade de Shannon e de Simpson foram utilizados como descritores de textura. As características geradas foram submetidas à etapa de seleção de características com a utilização da Análise Discriminante stepwise. Após essa etapa foi realizada a classificação pela Máquina de Vetores de Suporte (MVS) onde foram obtidas taxas de sensibilidade de 85,64%, especificidade de 97,89% e acurácia de 92,78%.

Made available in DSpace on 2016-08-17T14:53:26Z (GMT). No. of bitstreams: 1 dissertacao Pedro Henique.pdf: 3622658 bytes, checksum: 95066b31ffa29d90dfade445121817be (MD5) Previous issue date: 2014-01-03 / With the advent of imaging methods, the pulmonary nodule is becoming the most common manifestation of lung cancer and one of the most lethal of all cancers. Geometry (shape) and texture (tissue) measurements analyzed over time can be used to search the nodule malignancy. Among geometric measures commonly used, the nodule growth rate is one of the most accurate noninvasive methods to evaluate malignancy. Followed by other texture measures achieved over time, it is possible to get valuable information about nodules behavior, so that the doctor can use them to take related decisions. For these reasons, it is important to compare the nodule in exams applied at different moments. A key step for the comparison is to verify the correspondence between nodules of different exams. This correspondence is used to determine if a nodule X in the exam A is the same nodule Y in an exam B. Due to a number of anatomical and physiological factors and image acquisition, the same nodule cannot be in exactly the same location on different exams. To correct this problem, rigid and deformable image registration show up to be efficient. Once established this correspondence, it is possible to analyze the nodule texture changes through similarity indexes. In this sense, the aim of this work is to present methods for quantitative analysis of texture changes in lung nodules. For this analysis, it is used CT scans obtained at different moments from the same patient. Furthermore, it is presented a method to verify nodules found in different exams correspond to the same nodule by applying image registration. / Com o advento dos métodos de imagem, o nódulo pulmonar vem se tornando a manifestação mais comum de câncer de pulmão e um dos mais letais de todos os cânceres. Uma forma de pesquisar a malignidade de um nódulo é analisar temporalmente suas medidas de geometria (forma) e textura (tecido). Entre medidas geométricas comumente utilizadas, a taxa de crescimento do nódulo constitui um dos métodos mais precisos não invasivos de aferição da malignidade. Acompanhada a outras medidas de textura obtidas no decorrer do tempo, obtém-se informações valiosas sobre o seu comportamento, de forma que o médico pode usar essas medidas na tomada de decisões. Sabendo disso, é importante a comparação do nódulo em exames extraídos em momentos diferentes. Uma etapa fundamental para essa comparação é verificar a correspondência entre nódulos em exames diferentes, de forma que seja possível determinar se um nódulo X em um exame A é o mesmo nódulo Y em um exame B. Devido a uma série de fatores anátomo-fisiológicos e de aquisição de imagens, um mesmo nódulo pode não estar exatamente na mesma localização em exames diferentes. Para corrigir esse problema, registros de imagem rígidos e deformáveis mostram-se eficientes. Uma vez estabelecida essa correspondência, é possível analisar as mudanças na textura do nódulo através de índices de similaridade. Nesse sentido, o objetivo desse trabalho é apresentar métodos para a análise quantitativa de mudanças de textura em nódulos. Para essa análise serão utilizadas imagens de tomografia computadorizada obtidas em momentos diferentes de um mesmo paciente. Além disso, será apresentado um método para verificar se nódulos encontrados em exames diferentes correspondem ao mesmo nódulo através da aplicação de registros de imagens.

Made available in DSpace on 2016-08-17T14:53:29Z (GMT). No. of bitstreams: 1 Joao Rodrigo Ferreira.pdf: 1547613 bytes, checksum: a9c7e73154b7e9a72733f9f2e20a55fe (MD5) Previous issue date: 2007-12-07 / The lung cancer is a disorder with significant prevalence in several countries worldwide. The hard treatment and the fast progress of the disease increase the mortality rates. The main factor contributing to a successful treatment is an early diagnosis. However possible omissions in the scan analysis can lead to late diagnosis, compromising all the treatment. In order to present a computational tool aimed at nodules detection, that can be used as a second opinion to the specialist, this master thesis proposes a methodology for nodules detection that is totally automatic, robust and consistent. The methodology is based on successive refinements for the segmentation of computed tomography images using morphologic techniques to obtain nodule candidates. The false positive reduction is achieved by SVM based on geometric and texture features. The tests, performed with real scans, indicate the feasibility of the proposed method. In automatic detection performed on 33 cases the methodology reached 95.21% of correctness with 0.42 false positives and 0.15 false negative per scan. / O câncer de pulmão é uma enfermidade com prevalência significativa em diversos países no mundo todo. O difícil tratamento e a progressão rápida da doença fazem com que os índices de mortalidade das pessoas acometidas por este mal sejam muito altos. O principal fator contribuinte para um tratamento de sucesso, entretanto, é o diagnóstico precoce. Contudo possíveis omissões na análise dos exames podem levar a um diagnóstico tardio, comprometendo todo o tratamento. Com o intuito de oferecer uma alternativa computacional de auxílio à detecção de nódulos, servindo como uma segunda opinião para o médico, este trabalho propõe uma metodologia totalmente automática, robusta e consistente. A metodologia é fundamentada em refinamentos sucessivos da segmentação sobre imagens de tomografia computadorizada utilizando técnicas morfológicas para a obtenção de candidatos a nódulo. A redução de falsos positivos é efetivada pelo SVM com base em características geométricas e de textura. Os testes realizados com exames reais indicam a viabilidade da solução proposta. Na detecção automática realizada sobre 33 casos a metodologia atingiu 95,21% de acerto com uma média de 0,42 falsos positivos e 0,15 falsos negativos por exame.