Made available in DSpace on 2014-06-11T19:23:47Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-02-17Bitstream added on 2014-06-13T19:30:24Z : No. of bitstreams: 1 ferioli_rb_me_botfmvz.pdf: 479951 bytes, checksum: 6950eaf7a2aab7b7e904602236642185 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O mastocitoma cutâneo (MTC) canino é uma neoplasia maligna constituída por mastócitos, que corresponde a aproximadamente 11% das neoplasias cutâneas do cão. A classificação histopatológica em três graus de malignidade, proposta por Patnaik et al. (1984) para os MTCs é o principal fator prognóstico. Recentemente, uma nova classificação com dois graus de malignidade foi proposta (KIUPEL et al., 2011) e parece trazer menor discordância na graduação. Neste estudo foram avaliadas as expressões proteicas de SCF, IGF-1, m-TOR e c-KIT através da técnica de imunoistoquímica (IHQ) em MTCs caninos em busca de novos fatores prognósticos. Analisaram-se as relações entre estas quatro proteínas e, entre IGF-1 e SCF com fatores prognósticos como o grau histológico, índice mitótico e proliferação celular, além de dados epidemiológicos como idade, gênero, porte físico e localização da lesão. Foram utilizadas 133 amostras de MTCs de 133 cães dispostas em lâminas de microarranjo de tecidos (TMA). A associação estatística foi observada entre a expressão de SCF e grau histológico de acordo com Kiupel et al. (2011), índice mitótico, proliferação celular pelo KI-67, localização da Iesão, idade, c-KIT e IGF-1. A expressão do fator de crescimento IGF-1 teve relação com o índice mitótico, o porte físico dos animais e a expressão de c-KIT e m-TOR. A expressão de SCF está relacionada ao padrão aberrante de expressão do seu receptor c-KIT. Com base nas relações observadas podemos concluir que as proteínas IGF-1, m-TOR, SCF e c-KIT interagem no desenvolvimento dos MTCs caninos e que cães de porte grande e gigante apresentam maior expressão de IGF-1, corroborando com maior incidência de MTCs nestas raças / The canine mast cell tumor (MTC) is a malignant neoplasm composed of mast cells, which corresponds to approximately 11% of cutaneous neoplasms of the dog. The histopathological classification in three grades of malignancy, proposed by Patnaik et al. (1984), for MTCs is the main prognostic factor. Recently, a new classification with two malignancy degrees was suggested (KIUPEL et al., 2011) and seems to bring less disagreement in diagnosis. We carried out the study evaluating the protein expression of SCF, IGF-1, m-TOR and c-KIT by immunohistochemical technique (IHC) in canine MTCs searching new prognostic factors. We analyzed the relationships between these four proteins, and between IGF-1 and SCF with prognostic factors such as histological grade, mitotic index and cell proliferation, as well as epidemiological data such as age, gender, physical size and location of the lesion. Were used 133 samples of canine MTCs. The statistical association was observed between the expression of SCF and histological grade according to Kiupel et al. (2011), mitotic index, cell proliferation by Ki-67, Iesion location, age, c-KIT and IGF-1. The growth factor IGF-1 expression was related to mitotic index, the animals physical size and the m-TOR expression. The SCF expression is related to the aberrant pattern of expression of its c-KIT receptor. The association between the IGF-1 expression and the animal size was observed, and seems to interact with the m-TOR co-expression. Based on the observed relationships we can conclude that IGF-1, m-TOR, SCF and c-KIT proteins interacts on the development of canine MTCs, and large and giant-sized animals show higher expression of IGF-1, confirming increased incidence of MTCs on these races

Orientador: Renée Laufer Amorim / Banca: Júlio Lopes Sequeira / Banca: Giovana Wingeter Di Santis / Resumo: O mastocitoma cutâneo (MTC) canino é uma neoplasia maligna constituída por mastócitos, que corresponde a aproximadamente 11% das neoplasias cutâneas do cão. A classificação histopatológica em três graus de malignidade, proposta por Patnaik et al. (1984) para os MTCs é o principal fator prognóstico. Recentemente, uma nova classificação com dois graus de malignidade foi proposta (KIUPEL et al., 2011) e parece trazer menor discordância na graduação. Neste estudo foram avaliadas as expressões proteicas de SCF, IGF-1, m-TOR e c-KIT através da técnica de imunoistoquímica (IHQ) em MTCs caninos em busca de novos fatores prognósticos. Analisaram-se as relações entre estas quatro proteínas e, entre IGF-1 e SCF com fatores prognósticos como o grau histológico, índice mitótico e proliferação celular, além de dados epidemiológicos como idade, gênero, porte físico e localização da lesão. Foram utilizadas 133 amostras de MTCs de 133 cães dispostas em lâminas de microarranjo de tecidos (TMA). A associação estatística foi observada entre a expressão de SCF e grau histológico de acordo com Kiupel et al. (2011), índice mitótico, proliferação celular pelo KI-67, localização da Iesão, idade, c-KIT e IGF-1. A expressão do fator de crescimento IGF-1 teve relação com o índice mitótico, o porte físico dos animais e a expressão de c-KIT e m-TOR. A expressão de SCF está relacionada ao padrão aberrante de expressão do seu receptor c-KIT. Com base nas relações observadas podemos concluir que as proteínas IGF-1, m-TOR, SCF e c-KIT interagem no desenvolvimento dos MTCs caninos e que cães de porte grande e gigante apresentam maior expressão de IGF-1, corroborando com maior incidência de MTCs nestas raças / Abstract: The canine mast cell tumor (MTC) is a malignant neoplasm composed of mast cells, which corresponds to approximately 11% of cutaneous neoplasms of the dog. The histopathological classification in three grades of malignancy, proposed by Patnaik et al. (1984), for MTCs is the main prognostic factor. Recently, a new classification with two malignancy degrees was suggested (KIUPEL et al., 2011) and seems to bring less disagreement in diagnosis. We carried out the study evaluating the protein expression of SCF, IGF-1, m-TOR and c-KIT by immunohistochemical technique (IHC) in canine MTCs searching new prognostic factors. We analyzed the relationships between these four proteins, and between IGF-1 and SCF with prognostic factors such as histological grade, mitotic index and cell proliferation, as well as epidemiological data such as age, gender, physical size and location of the lesion. Were used 133 samples of canine MTCs. The statistical association was observed between the expression of SCF and histological grade according to Kiupel et al. (2011), mitotic index, cell proliferation by Ki-67, Iesion location, age, c-KIT and IGF-1. The growth factor IGF-1 expression was related to mitotic index, the animals physical size and the m-TOR expression. The SCF expression is related to the aberrant pattern of expression of its c-KIT receptor. The association between the IGF-1 expression and the animal size was observed, and seems to interact with the m-TOR co-expression. Based on the observed relationships we can conclude that IGF-1, m-TOR, SCF and c-KIT proteins interacts on the development of canine MTCs, and large and giant-sized animals show higher expression of IGF-1, confirming increased incidence of MTCs on these races / Mestre

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.

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.