Este trabalho apresenta como parte de resultados, uma ampla pesquisa que permitiu identificar os grupos de pesquisas mais importantes do mundo, os quais possuem em comum o processamento de imagens médicas, mais especificamente o processamento de imagens que busca a identificação de microcalcificações mamárias. O vasto levantamento, a seleção e organização culminou na reunião de mais de cem artigos, publicados nos mais importantes periódicos da área, que mostram claramente as formas utilizadas pelos grupos de pesquisa para apresentação dos resultados encontrados pelos seus algoritmos. Esses resultados devem auxiliar o médico no diagnóstico do câncer de mama. Demonstramos neste trabalho porque as técnicas utilizadas para apresentação dos resultados são insatisfatórias e propusemos um novo método de avaliação desses resultados. O método proposto no trabalho baseia-se no teste do X&sup2 (Qui-Quadrado), nas curvas ROC (Receiver Operating Characteristic) e no teste de concordância, que juntos permitem apresentar de forma clara e objetiva as relações entre verdadeiros positivos e falsos positivos, verdadeiros negativos e falsos negativos, sensibilidade e especificidade do algoritmo analisado. O novo método é preciso e tem bases estatísticas conhecidas pelos médicos e pelos pesquisadores, facilitando sua aceitação. / This work presents as part of results, a wide investigation that it allowed to identify the principal research groups of the world, which possess in common the processing of medical images, more specifically the processing of images that search for the identification of mammary microcalcifications. The vast collection, selection and organization culminated in the meeting of more than a hundred articles, published in the most important newspapers of the area, that show the forms used by the research groups to present the results found clearly by its algorithms. Those results should assist the doctor in the diagnosis of the breast cancer. We demonstrated in this work that the techniques used for presentation of the results are unsatisfactory and we proposed a new method of evaluation of those results. The proposed method bases on the test of the X&sup2 (Qui-square), in ROC curve (Receiver Operating Characteristic) and in the agreement test, that take together allow to present in a clear and objective way the relationships among true positive and false positive, true negative and false negative, sensibility and specificity of the analyzed algorithm. The new method is precise and has statistical bases known by the clinicians and researchers, facilitating its acceptance.

O presente projeto de pesquisa trata da investigação das características de imagens digitais em termos dos diversos formatos e tipos de compressão a fim de verificar seu efeito no desempenho de esquemas de processamento de mamogramas digitalizadas. Em função disso, uma avaliação preliminar sobre os aspectos da digitalização de imagens radiográficas - propriedades e características de digitalizadores e softwares gerenciadores da aquisição da imagem digitalizada - é parte integrante dessa pesquisa. Muitos pesquisadores experientes em todo o mundo consideram que, para detecção eficiente das principais estruturas de interesse na mamografia, como as microcalcificações, os métodos de processamento necessitam de imagens digitalizadas com, pelo menos, 10 bits e resolução espacial em torno de 0,1 mm. Esses requisitos -sobretudo o nível de quantização na conversão A/D - não são facilmente encontrados em muitos digitalizadores comerciais, além de não serem atingidos pela maioria dos monitores de vídeo disponíveis nos computadores utilizados para a aplicação daquelas técnicas. Por isso, a finalidade dessa pesquisa é propor, a partir da análise dessas características de digitalização e dos diversos formatos de imagens digitais geradas nesse processo, um modelo ótimo para ser utilizado com diversas técnicas de processamento desenvolvidos para a detecção e caracterização de microcalcificações mamárias. Além disso, como a imagem de mama densa é um dos grandes problemas para adequada identificação de estruturas suspeitas, esse trabalho voltar-se-á para esse tipo de imagem. / The present work is about the investigation of digital images characteristics in terms of its several formats and compression techniques in order to evaluate your effect on the performance of mammography image processing schemes. Thus, a preliminary evaluation of radiographic images digitization aspects - digitizers and image acquisition softwares properties and characteristics - is also part of this work. Many experienced researchers al over the world consider that, for the detection of the main interest structures of a mammography, as microcalcifications, the image processing schemes needs digital images with, at least, 10 bits and about 0.1 mm of spatial resolution. Those requirements - in special the A/D converter sample rate - are not easily found in many commercial digitizers, besides they are not reached by most of the available computers monitors used for the application of those techniques. Therefore, this work is about to purpose, starting from the analysis of the digitization characteristics and of the several digital images formats generated in that process, the best model to be used with several processing techniques developed for the detection and characterization of breast microcalcifications. Besides, as dense breast image is one of the greatest problem for appropriate identification of suspicious structures, this work will focus on this image type.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2007. / Submitted by Diogo Trindade Fóis (diogo_fois@hotmail.com) on 2010-01-05T17:52:14Z No. of bitstreams: 1 2007_MariadoCarmodosReis_parcial.PDF: 2579100 bytes, checksum: bc9f685d9db636b853c7fb9501906433 (MD5) / Approved for entry into archive by Joanita Pereira(joanita) on 2010-01-05T19:00:42Z (GMT) No. of bitstreams: 1 2007_MariadoCarmodosReis_parcial.PDF: 2579100 bytes, checksum: bc9f685d9db636b853c7fb9501906433 (MD5) / Made available in DSpace on 2010-01-05T19:00:42Z (GMT). No. of bitstreams: 1 2007_MariadoCarmodosReis_parcial.PDF: 2579100 bytes, checksum: bc9f685d9db636b853c7fb9501906433 (MD5) Previous issue date: 2007 / A análise de ecocardiogramas bidimensionais para avaliar o desempenho da função cardíaca tipicamente requer a identificação do ventrículo esquerdo. Após a segmentação e extração do contorno do ventrículo esquerdo, certos parâmetros clínicos podem ser calculados para auxiliar no diagnóstico de doenças cardíacas. A segmentação manual é considerada uma tarefa morosa, que consome muito tempo e que pode apresentar variações inter e intra-observador. Sendo assim, encontram-se diversos métodos de segmentação automática e semi-automática na literatura. Foram desenvolvidos quatro métodos de segmentação semi-automática do ventrículo esquerdo divididos em dois grupos: métodos de extração da borda do ventrículo esquerdo com detecção e rejeição de quadros com movimento e métodos de extração da borda do ventrículo esquerdo sem detecção e rejeição de quadros com movimento. No primeiro grupo, o algoritmo inicia-se com o processo de detecção e rejeição de quadros com movimento. Este é realizado de duas formas diferentes: por estimação de movimento e por subtração de quadros. Em seguida, são aplicados filtros de pré-processamento para redução do ruído e aumento do contraste. O próximo passo é a segmentação da cavidade ventricular através de uma operação de limiarização. Finalmente, a extração da borda é feita mediante operações de vizinhança. Já no segundo grupo, os algoritmos dos dois métodos implementados são muito similares ao primeiro grupo. As diferenças são: a rejeição de quadros foi eliminada e no segundo método a extração da borda é realizada utilizando estimação de movimento. Para testar a eficiência dos métodos, executou-se a análise de desempenho utilizando quatro métricas para calcular a similaridade entre a borda manual e a borda automática: o índice de correlação, o erro percentual (EP), o erro soma (ES) e a diferença de área sobre o perímetro. A partir dos resultados dos testes foi possível identificar qual método melhor se aproximou da segmentação manual. Os resultados foram considerados muito precisos pelos médicos especialistas. __________________________________________________________________________________________ ABSTRACT / The analysis of two-dimensional echocardiograms to evaluate the performance of the cardiac function typically requires the identification of the left ventricle. After the segmentation and extraction of the contour of the left ventricle, certain clinical parameters can be calculated to assist in the diagnosis of cardiac illnesses. The manual segmentation is considered a weak task, which consumes much time and often presents significant variations inter and intra-observers. Therefore, several automatic and semi-automatic segmentation methods have been developed in order to improve this job. Four methods for semi-automatic segmentation of the left ventricle were developed. They were divided in two groups: methods for extraction of the left ventricle border with detection and rejection of pictures with movement and methods for extraction of the left ventricle border without detection and rejection of pictures with movement. In the first group, the algorithm begins with the detection process and rejection of pictures with movement. This process is accomplished using two different algorithms: movement estimation and pictures subtraction. After that, pre-processing filters are applied for noise reduction and contrast enhancement. Next, the segmentation of the heart cavity is achieved through a limiarization operation. And finally, the border is extracted by neighborhood operations. The main differences between the first and the second group are: there is no rejection of pictures in the second group and, the border extraction algorithm of the second method of the second group is accomplished using movement estimation. To test the performance of the developed segmentation methods, four metrics were applied in order to get the similarity between the manual and the automatic ventricle borders. From the analysis of the results, it was possible to identify which method provided the border that had a closer match to the manual one. Moreover, the medical specialists were contented with the results.

O presente projeto de pesquisa trata da investigação das características de imagens digitais em termos dos diversos formatos e tipos de compressão a fim de verificar seu efeito no desempenho de esquemas de processamento de mamogramas digitalizadas. Em função disso, uma avaliação preliminar sobre os aspectos da digitalização de imagens radiográficas - propriedades e características de digitalizadores e softwares gerenciadores da aquisição da imagem digitalizada - é parte integrante dessa pesquisa. Muitos pesquisadores experientes em todo o mundo consideram que, para detecção eficiente das principais estruturas de interesse na mamografia, como as microcalcificações, os métodos de processamento necessitam de imagens digitalizadas com, pelo menos, 10 bits e resolução espacial em torno de 0,1 mm. Esses requisitos -sobretudo o nível de quantização na conversão A/D - não são facilmente encontrados em muitos digitalizadores comerciais, além de não serem atingidos pela maioria dos monitores de vídeo disponíveis nos computadores utilizados para a aplicação daquelas técnicas. Por isso, a finalidade dessa pesquisa é propor, a partir da análise dessas características de digitalização e dos diversos formatos de imagens digitais geradas nesse processo, um modelo ótimo para ser utilizado com diversas técnicas de processamento desenvolvidos para a detecção e caracterização de microcalcificações mamárias. Além disso, como a imagem de mama densa é um dos grandes problemas para adequada identificação de estruturas suspeitas, esse trabalho voltar-se-á para esse tipo de imagem. / The present work is about the investigation of digital images characteristics in terms of its several formats and compression techniques in order to evaluate your effect on the performance of mammography image processing schemes. Thus, a preliminary evaluation of radiographic images digitization aspects - digitizers and image acquisition softwares properties and characteristics - is also part of this work. Many experienced researchers al over the world consider that, for the detection of the main interest structures of a mammography, as microcalcifications, the image processing schemes needs digital images with, at least, 10 bits and about 0.1 mm of spatial resolution. Those requirements - in special the A/D converter sample rate - are not easily found in many commercial digitizers, besides they are not reached by most of the available computers monitors used for the application of those techniques. Therefore, this work is about to purpose, starting from the analysis of the digitization characteristics and of the several digital images formats generated in that process, the best model to be used with several processing techniques developed for the detection and characterization of breast microcalcifications. Besides, as dense breast image is one of the greatest problem for appropriate identification of suspicious structures, this work will focus on this image type.

Este trabalho apresenta como parte de resultados, uma ampla pesquisa que permitiu identificar os grupos de pesquisas mais importantes do mundo, os quais possuem em comum o processamento de imagens médicas, mais especificamente o processamento de imagens que busca a identificação de microcalcificações mamárias. O vasto levantamento, a seleção e organização culminou na reunião de mais de cem artigos, publicados nos mais importantes periódicos da área, que mostram claramente as formas utilizadas pelos grupos de pesquisa para apresentação dos resultados encontrados pelos seus algoritmos. Esses resultados devem auxiliar o médico no diagnóstico do câncer de mama. Demonstramos neste trabalho porque as técnicas utilizadas para apresentação dos resultados são insatisfatórias e propusemos um novo método de avaliação desses resultados. O método proposto no trabalho baseia-se no teste do X&sup2 (Qui-Quadrado), nas curvas ROC (Receiver Operating Characteristic) e no teste de concordância, que juntos permitem apresentar de forma clara e objetiva as relações entre verdadeiros positivos e falsos positivos, verdadeiros negativos e falsos negativos, sensibilidade e especificidade do algoritmo analisado. O novo método é preciso e tem bases estatísticas conhecidas pelos médicos e pelos pesquisadores, facilitando sua aceitação. / This work presents as part of results, a wide investigation that it allowed to identify the principal research groups of the world, which possess in common the processing of medical images, more specifically the processing of images that search for the identification of mammary microcalcifications. The vast collection, selection and organization culminated in the meeting of more than a hundred articles, published in the most important newspapers of the area, that show the forms used by the research groups to present the results found clearly by its algorithms. Those results should assist the doctor in the diagnosis of the breast cancer. We demonstrated in this work that the techniques used for presentation of the results are unsatisfactory and we proposed a new method of evaluation of those results. The proposed method bases on the test of the X&sup2 (Qui-square), in ROC curve (Receiver Operating Characteristic) and in the agreement test, that take together allow to present in a clear and objective way the relationships among true positive and false positive, true negative and false negative, sensibility and specificity of the analyzed algorithm. The new method is precise and has statistical bases known by the clinicians and researchers, facilitating its acceptance.

Segundo o Instituto Nacional do Câncer (INCA), o câncer de colorretal é o terceiro tipo de câncer mais comum entre os homens e o segundo entre as mulheres. Atualmente a avaliação visual feita por um patologista é o principal método utilizado para o diagnóstico de doenças a partir de imagens microscópicas obtidas por meio de amostras em exames convencionais de biópsia. A utilização de técnicas de processamento computacional de imagens possibilita a identificação de elementos e a extração de características, o que contribui com o estudo da organização estrutural dos tecidos e de suas variações patológicas, levando a um aumento da precisão no processo de tomada de decisão. Os conceitos e técnicas envolvendo redes complexas são recursos valiosos para o desenvolvimento de métodos de análise estrutural de componentes em imagens médicas. Dentro dessa perspectiva, o objetivo geral deste trabalho foi o desenvolvimento de um método capaz de realizar o processamento e a análise de imagens obtidas em exames de biópsias de tecidos de pólipo de cólon para classificar o grau de atipia da amostra, que pode variar em: sem atipia, baixo grau, alto grau e câncer. Foram utilizadas técnicas de processamento, incluindo um conjunto de operadores morfológicos, para realizar a segmentação e a identificação de estruturas glandulares. A seguir, procedeu-se à análise estrutural baseada na identificação das glândulas, usando técnicas de redes complexas. As redes foram criadas transformado os núcleos das células que compõem as glândulas em vértices, realizando a ligação dos mesmos com 1 até 20 arestas e a extração de medidas de rede para a criação de um vetor de características. A fim de avaliar comparativamente o método proposto, foram utilizados extratores clássicos de características de imagens, a saber, Descritores de Haralick, Momentos de Hu, Transformada de Hough, e SampEn2D. Após a avaliação do método proposto em diferentes cenários de análise, o valor de acurácia geral obtida pelo mesmo foi de 82.0%, superando os métodos clássicos. Conclui-se que o método proposto para classificação de imagens histológicas de pólipos utilizando análise estrutural baseada em redes complexas mostra-se promissor no sentido de aumentar a acurácia do diagnóstico de câncer colorretal / According to the National Cancer Institute (INCA), colorectal cancer is the third most common cancer among men and the second most common cancer among women. Currently the main method used for the diagnosis of diseases from microscopic images obtained through samples in conventional biopsy tests are the visual evaluation made by a pathologist. The use of computational image processing techniques allows the identification of elements and the extraction of characteristics, which contributes to the study of the structural organization of tissues and their pathological variations, leading to an increase of precision in the decision making process. Concepts and techniques involving complex networks are valuable resources for the development of structural analysis methods of components in medical images. In this perspective, the general objective of this work was the development of a method capable of performing the image processing and analysis obtained in biopsies of colon polyp tissue to classify the degree of atypia of the sample, which may vary in: without atypia, low grade, high grade and cancer. Processing techniques including a set of morphological operators, were used to perform the segmentation and identification of glandular structures. Next, structural analysis was performed based on glands identification, using complex network techniques.The networks were created transforming the core of the cells that make up the glands in vertices, making the connection of the same with 1 to 20 edges and the extraction of network measurements to create a vector of characteristics. In order to comparatively evaluate the proposed method, classical image characteristic extractors were used, namely, Haralicks Descriptors, Hus Moments, Hough Transform, and SampEn2D. After the evaluation of the proposed method in different analysis scenarios, the overall accuracy value obtained by it was 82.0%, surpassing the classical methods. It is concluded that the proposed method for the classification of histological images of polyps using structural analysis based on complex networks is promising in order to increase the accuracy of the diagnosis of colorectal cancer

O aumento da geração e do intercâmbio de imagens médicas digitais tem incentivado profissionais da computação a criarem ferramentas para manipulação, armazenamento e busca por similaridade dessas imagens. As ferramentas de recuperação de imagens por conteúdo, foco desse trabalho, têm a função de auxiliar na tomada de decisão e na prática da medicina baseada em estudo de casos semelhantes. Porém, seus principais obstáculos são conseguir uma rápida recuperação de imagens armazenadas em grandes bases e reduzir o gap semântico, caracterizado pela divergência entre o resultado obtido pelo computador e aquele esperado pelo médico. No presente trabalho, uma análise das funções de distância e dos descritores computacionais de características está sendo realizada com o objetivo de encontrar uma aproximação eficiente entre os métodos de extração de características de baixo nível e os parâmetros de percepção do médico (de alto nível) envolvidos na análise de imagens. O trabalho de integração desses três elementos (Extratores de Características, Função de Distância e Parâmetro Perceptual) resultou na criação de operadores de similaridade, que podem ser utilizados para aproximar o sistema computacional ao usuário final, visto que serão recuperadas imagens de acordo com a percepção de similaridade do médico, usuário final do sistema / The continuous growth of the medical images generation and their use in the day-to-day procedures in hospitals and medical centers has motivated the computer science researchers to develop algorithms, methods and tools to store, search and retrieve images by their content. Therefore, the content-based image retrieval (CBIR) field is also growing at a very fast pace. Algorithms and tools for CBIR, which are at the core of this work, can help on the decision making process when the specialist is composing the images analysis. This is based on the fact that the specialist can retrieve similar cases to the one under evaluation. However, the main reservation about the use of CBIR is to achieve a fast and effective retrieval, in the sense that the specialist gets what is expected for. That is, the problem is to bridge the semantic gap given by the divergence among the result automatically delivered by the system and what the user is expecting. In this work it is proposed the perceptual parameter, which adds to the relationship between the feature extraction algorithms and distance functions aimed at finding the best combination to deliver to the user what he/she expected from the query. Therefore, this research integrated the three main elements of similarity queries: the image features, the distance function and the perceptual parameter, what resulted in searching operators. The experiments performed show that these operators can narrow the distance between the system and the specialist, contributing to bridge the semantic gap

O aumento da geração e do intercâmbio de imagens médicas digitais tem incentivado profissionais da computação a criarem ferramentas para manipulação, armazenamento e busca por similaridade dessas imagens. As ferramentas de recuperação de imagens por conteúdo, foco desse trabalho, têm a função de auxiliar na tomada de decisão e na prática da medicina baseada em estudo de casos semelhantes. Porém, seus principais obstáculos são conseguir uma rápida recuperação de imagens armazenadas em grandes bases e reduzir o gap semântico, caracterizado pela divergência entre o resultado obtido pelo computador e aquele esperado pelo médico. No presente trabalho, uma análise das funções de distância e dos descritores computacionais de características está sendo realizada com o objetivo de encontrar uma aproximação eficiente entre os métodos de extração de características de baixo nível e os parâmetros de percepção do médico (de alto nível) envolvidos na análise de imagens. O trabalho de integração desses três elementos (Extratores de Características, Função de Distância e Parâmetro Perceptual) resultou na criação de operadores de similaridade, que podem ser utilizados para aproximar o sistema computacional ao usuário final, visto que serão recuperadas imagens de acordo com a percepção de similaridade do médico, usuário final do sistema / The continuous growth of the medical images generation and their use in the day-to-day procedures in hospitals and medical centers has motivated the computer science researchers to develop algorithms, methods and tools to store, search and retrieve images by their content. Therefore, the content-based image retrieval (CBIR) field is also growing at a very fast pace. Algorithms and tools for CBIR, which are at the core of this work, can help on the decision making process when the specialist is composing the images analysis. This is based on the fact that the specialist can retrieve similar cases to the one under evaluation. However, the main reservation about the use of CBIR is to achieve a fast and effective retrieval, in the sense that the specialist gets what is expected for. That is, the problem is to bridge the semantic gap given by the divergence among the result automatically delivered by the system and what the user is expecting. In this work it is proposed the perceptual parameter, which adds to the relationship between the feature extraction algorithms and distance functions aimed at finding the best combination to deliver to the user what he/she expected from the query. Therefore, this research integrated the three main elements of similarity queries: the image features, the distance function and the perceptual parameter, what resulted in searching operators. The experiments performed show that these operators can narrow the distance between the system and the specialist, contributing to bridge the semantic gap

Doenças coronárias causam a morte de milhões de pessoas anualmente. Uma dessas disfunções é a aterosclerose coronariana, acúmulo de placas lipídicas, fibrosas, e calcificadas na parede das coronárias. Esse acúmulo pode causar tromboses, infarto do miocárdio, ou morte cardíaca súbita. Porém, essas lesões apresentam graus distintos de periculosidade e elasticidade. As predominantemente lipídicas são de alto risco e elasticidade, enquanto as calcificadas e as fibrosas são mais estáveis e menos elásticas. O Ultrassom Intravascular (IVUS) é uma das modalidades de referência em diagnósticos e acompanhamento de doenças coronárias. Contudo, a imagem de IVUS pura fornece apenas informações subjetivas sobre vasos e placas; assim, é importante a criação de métodos e técnicas que possam tornar objetiva a análise dessa informação. Devido a isso, e levando em conta a riqueza de informações espaciais e temporais presentes nas imagens de IVUS, esse trabalho apresenta métodos de segmentação, e extração de características de lesões, que possibilitam a quantização de informações espaciais, e a discriminação de placas de baixo e elevado-risco. Consequentemente, fornecendo subsídios para diagnósticos, e procedimentos terapêuticos mais adequados. O método de segmentação combina Wavelet, Otsu, e Morfologia Matemática, para delineamento da parede do vaso. A avaliação do método foi feita usando 1300 imagens de IVUS, resultando em 92, 72% e 91, 9% de verdadeiros positivos, e 10, 7% e 9, 1% de falsos positivos, para o lúmen e borda da média adventícia, respectivamente. Adicionalmente, foi criado um método simples, para caracterização de placas a partir de suas propriedades mecânicas. Esse procedimento se baseia em computar um índice, chamado taxa de variação da área da placa, em imagens adquiridas pré e pós deformação do vaso e placas. Phantoms foram usados para avaliação, os resultados conseguidos com o índice proposto e um amplamente usado foram comparados. Uma correlação chegando à 99%, uma forte concordância usando Análise de Bland Altman, e Histogramas muito similares entre os dois índices, mostraram que o método proposto equivale ao já estabelecido. / Coronary diseases are the cause of death of millions of people annually. One of these dysfunctions is the coronary atherosclerosis, which is the accumulation of lipidic, fibrous and calcified plaques in the coronary wall. This accumulation may cause thrombosis, myocardial infarction and sudden cardiac death. Nonetheless, the kind of plaques offers different levels of dangerousness and elasticity. The highly lipidic plaques are very elastic, offers high risk, while the calcified and fibrous are more stable and less elastic. The Intravascular Ultrasound (IVUS) is the reference medical imaging modality for diagnostic and treatment of coronary diseases. However, the conventional IVUS images provides only anatomical vessel and plaque information; therefore, it is very important the creation of methods and techniques that could make objective the analysis of this information. Due to that, and taking into account the spatial and time information of IVUS images, this work presents methods of segmentation, and feature extraction of lesions, which make possible the quantization of spatial information, and the discrimination of high, and low risk plaques. Consequently, subsidies for diagnoses and more appropriate therapeutic procedures are provided. The segmentation method combines Wavelet, Otsu, and Mathematical Morphology, for the vessel wall delineation. The method evaluation was performed using 1300 IVUS images, resulting in 92, 72% and 91, 9% of true positives, and 10, 7% and 9, 1% of false positives, for the lumen and media adventitia border, respectively. Additionally, a simple method, for plaque characterization using the regarding mechanical properties was created. The procedure relies on computing an index, ratio of plaque area variation, in acquired images pre and post deformation procedure of vessel wall and plaques. Phantoms were used for evaluation. The results obtained by the proposed index, and a widely used one was compared. A correlation up to 99%, a strong agreement with Bland Altman, and similar Histograms between the two indexes demonstrated the equivalence between them; however, the proposed index is much simpler.

A histopatologia é considerada um dos recursos diagnósticos mais importantes na prática médica e caracteriza-se pelo estudo das alterações estruturais e morfológicas das células e dos tecidos causadas por doenças. Atualmente, o principal método utilizado no diagnóstico histopatológico de imagens microscópicas, obtidas por meio de amostras em exames convencionais, é a avaliação visual do patologista, a qual se baseia na experiência do mesmo. O uso de técnicas de processamento computacional de imagens possibilita a identificação de elementos estruturais e a determinação de características inerentes, subsidiando o estudo da organização estrutural das células e de suas variações patológicas. A utilização de métodos computacionais no auxílio ao diagnóstico visa diminuir a subjetividade do processo de avaliação e classificação realizado pelo médico. Diferentes características dos tecidos podem ser mapeadas por meio de métricas específicas que poderão ser utilizadas em sistemas de reconhecimento de padrões. Dentro desta perspectiva, o objetivo geral deste trabalho inclui a proposta, a implementação e a avaliação de um método para a identificação e a análise de estruturas histológicas, a ser utilizado para a análise de lesões neoplásicas do colo do útero (NICs) a partir de amostras histopatológicas. Este trabalho foi desenvolvido em colaboração com uma equipe de patologistas, especialistas do domínio. As imagens microscópicas digitalizadas foram adquiridas a partir de lâminas previamente fixadas, contendo amostras de biópsias. Para segmentação dos núcleos celulares, foi implementado um pipeline de operadores morfológicos. Métodos de segmentação baseados em cor também foram testados e comparados à abordagem morfológica. Foi proposta e implementada uma abordagem baseada em camadas para representação do tecido, adotando-se a Triangulação de Delaunay (TD) como modelo de grafo de vizinhança. A TD apresenta algumas propriedades particulares que permitem a extração de métricas específicas. Foram utilizados algoritmos de agrupamento e morfologia de grafos, adotando-se critérios de semelhança e relações de adjacência entre os triângulos da rede, a fim de se obter a fronteira entre as camadas histológicas do tecido epitelial de forma automática. As seguintes métricas foram extraídas dos agrupamentos resultantes: grau médio, entropia e taxa de ocupação dos triângulos da rede. Finalmente, foi projetado um classificador estatístico levando-se em consideração os diferentes agrupamentos que poderiam ser obtidos a partir das imagens de treinamento. Valores de acurácia, sensitividade e especificidade foram utilizadas para avaliação dos resultados obtidos. Foi implementada validação cruzada em todos os experimentos realizados e foi utilizado um total de 116 imagens. Primeiro, foi avaliado a acurácia da metodologia proposta na determinação correta da presença de anomalia no tecido, para isto, todas as imagens que apresentavam NICs foram agrupadas em uma mesma classe. A maior taxa de acurácia obtida neste experimento foi de 88%. Em uma segunda etapa, foram realizadas avaliações entre as seguintes classes: Normal e NIC-I; NIC-I e NIC-II, e, NIC-II e NIC-III, obtendo-se taxas de acurácia máximas de 73%, 77% e 86%, respectivamente. Além disso, foi verificada também, a acurácia na discriminação entre os três tipos de NICs e regiões normais, obtendo-se acurácia de 64%. As taxas de ocupação relativas aos agrupamentos representativos das camadas basais e superficiais, foram os atributos que levaram às maiores taxas de acurácia. Os resultados obtidos permitem verificar a adequação do método proposto na representação e análise do processo de evolução das NICs no tecido epitelial do colo uterino. / Histopathology is considered one of the most important diagnostic tools in medical routine and is characterized by the study of structural and morphological changes of the cells in biological tissues caused by diseases. Currently, the visual assessment of the pathologist is the main method used in the histopathological diagnosis of microscopic images obtained from biopsy samples. This diagnosis is usually based on the experience of the pathologist. The use of computational techniques in the processing of these images allows the identification of structural elements and the determination of inherent characteristics, supporting the study of the structural organization of tissues and their pathological changes. Also, the use of computational methods to improve diagnosis aims to reduce the subjectivity of the evaluation made by the physician. Besides, different tissue characteristics can be mapped through specific metrics that can be used in pattern recognition systems. Within this perspective, the overall objective of this work includes the proposal, the implementation and the evaluation of a methodology for the identification and analysis of histological structures. This methodology includes the specification of a method for the analysis of cervical intraepithelial neoplasias (CINs) from histopathological samples. This work was developed in collaboration with a team of pathologists. Microscopic images were acquired from blades previously stained, containing samples of biopsy examinations. For the segmentation of cell nuclei, a pipeline of morphological operators were implemented. Segmentation techniques based on color were also tested and compared to the morphological approach. For the representation of the tissue architecture an approach based on the tissue layers was proposed and implemented adopting the Delaunay Triangulation (DT) as neighborhood graph. The DT has some special properties that allow the extraction of specific metrics. Clustering algorithms and graph morphology were used in order to automatically obtain the boundary between the histological layers of the epithelial tissue. For this purpose, similarity criteria and adjacency relations between the triangles of the network were explored. The following metrics were extracted from the resulting clusters: mean degree, entropy and the occupation rate of the clusters. Finally, a statistical classifier was designed taking into account the different combinations of clusters that could be obtained from the training process. Values of accuracy, sensitivity and specificity were used to evaluate the results. All the experiments were taken in a cross-validation process (5-fold) and a total of 116 images were used. First, it was evaluated the accuracy in determining the correct presence of abnormalities in the tissue. For this, all images presenting CINs were grouped in the same class. The highest accuracy rate obtained for this evaluation was 88%. In a second step, the discrimination between the following classes were analyzed: Normal/CIN 1; CIN 1/CIN 2, and, CIN 2/CIN 3, which represents the histological grading of the CINs. In a similar way, the highest accuracy rates obtained were 73%, 77% and 86%, respectively. In addition, it was also calculated the accuracy rate in discriminating between the four classes analyzed in this work: the three types of CINs and the normal region. In this last case, it was obtained a rate of 64%.The occupation rate for the basal and superficial layers were the attributes that led to the highest accuracy rates. The results obtained shows the adequacy of the proposed method in the representation and classification of the CINs evolution in the cervical epithelial tissue.