MEDEIROS NETO. F. G. Extração automática de características de asas de mosca da espécie Drosophila melanogaster. 2017. 59 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2017. / Submitted by Programa de Pós-Graduação Engenharia Elétrica e de Computação (secretaria_ppgeec@sobral.ufc.br) on 2017-08-24T13:13:22Z No. of bitstreams: 1 2017_dis_fgmneto.pdf: 2887253 bytes, checksum: 71db95333b633d65ae536330c8799d28 (MD5) / Approved for entry into archive by Djeanne Costa (djeannecosta@gmail.com) on 2017-09-01T11:43:30Z (GMT) No. of bitstreams: 1 2017_dis_fgmneto.pdf: 2887253 bytes, checksum: 71db95333b633d65ae536330c8799d28 (MD5) / Made available in DSpace on 2017-09-01T11:43:31Z (GMT). No. of bitstreams: 1 2017_dis_fgmneto.pdf: 2887253 bytes, checksum: 71db95333b633d65ae536330c8799d28 (MD5) Previous issue date: 2017-08 / Biometrics techniques are used in studies of several animal species, such as the Drosophila melanogaster, popularly known as fruit fly. This species has become a model organism for the study of the impacts that other insects produce to the environment. In addition, these flies have proteins and genes similar to those of humans. A challenge for specialists in the study of these individuals is the similarity of the wings between males and females, which may be affected by mutations or variations in the genotype. This work proposes a method of discrimination for gender and genotype of flies of the species Drosophila melanogaster from features extracted from images of the wings. This approach is based on the fractal dimension extracted from the Canny filter segmentation of the components of the Stationary Wavelet Transform. The methodology is validated by dividing the data into groups with variable training and test rates and using six different classifiers: Random Forest, Support Vector Machines, Multi-layer Perceptron, Linear Discriminant Analysis, Quadratic Discriminant Analysis and K Nearest Neighbors. Then, the classification is repeated with data reduction, only females for genotype or only individuals without mutation for gender. The results were satisfactory, surpassing works of the literature with automatic methodologies. For genotype, the hit rates were lower due to the physical similarity between the wings. / Técnicas de biometria são utilizadas nos estudos de diversas espécies de animais, como exemplo a Drosophila Melanogaster, popularmente conhecida como mosca da fruta. Essa espécie tornou-se um organismo modelo para o estudo dos impactos que outros insetos produzem ao meio ambiente. Ademais, essas moscas possuem proteínas e genes similares aos dos seres humanos. Uma dificuldade para especialistas no estudo desses indivíduos é a semelhança das asas entre machos e fêmeas, que podem ser afetadas por mutações ou variações no genótipo. Este trabalho propõe um método de discriminação de gênero e genótipo de moscas da espécie Drosophila melanogaster a partir de características extraídas de imagens das asas. Essa abordagem se baseia na dimensão fractal extraída da segmentação por filtro de Canny das componentes da Transformada Wavelet Estacionária. A metodologia é validada com a divisão dos dados em grupos com taxas de treinamento e teste variáveis e na utilização de seis classificadores de abordagens diferentes: Floresta Aleatória, Máquinas de Vetor de Suporte, Perceptron Multicamadas, Análise por Discriminante Linear, Análise por Discriminante Quadrático e K Vizinhos Mais Próximos. Em seguida, a classificação é repetida com redução dos dados, apenas fêmeas para genótipo ou apenas indivíduos sem mutação para gênero. Os resultados obtidos foram satisfatórios, superando trabalhos da literatura com metodologias que não utilizam interação humana. Para genótipo, as taxas de acerto foram mais baixas devido à semelhança física entre as asas.

Orientador: Prof. Dr. Marcelo Zanchetta do Nascimento / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, 2015. / Linfoma é um tipo de tumor que afeta o sistema linfático humano, em que se estima mais de 60 subtipos de canceres distintos, derivados de 2 grandes grupos: Hodgkins e os não Hodgkins (NHL). De difícil classificação e diagnóstico, para a maioria dos casos a biópsia é a única maneira de saber se um nódulo é realmente linfoma. Atualmente a maioria dos sistemas de classificação deste tipo de linfoma é baseada unicamente na avaliação de um especialista através do auxilio de microscópio. Este trabalho tem como objetivo apresentar um método automático para classificar imagens histológicas dos três tipos de linfomas NHL mais recorrentes. Linfoma de celulas do manto (LCM), Linfoma Folicular (LF) e Leucemia Linfoide Cronica (LCM). O método baseia-se na transformada wavelet estacionária (TWE) como extrator de características, a técnica TWD como seletor de atributos e redução de dimensionalidade e a classificação através do classificador SVM com o kernel RBF. Foi utilizado, no trabalho, um banco de 30 lâminas histológicas de linfonodos, proveniente de estudos realizados por pesquisadores do Instituto Nacional do Câncer (National Cancer Institute) e Instituto Nacional do Envelhecimento (National Institute on Aging), nos Estados Unidos. Os experimentos foram realizados com 240 imagens, sendo 70 de cada classe, nos canais de cores do modelo RGB (do Inglês Red, Green and Blue) e níveis de cinza. Foi comparado o desempenho não só entre as subbandas geradas pelas transformada TWE e a transformada wevelet discreta (TWD), mas também entre os canais de cores e os grupos de imagens em classificação binária. Foram utilizadas as métricas de acurácia, sensibilidade e especificidade. Resultados relevantes foram obtidos, entre eles: Acurácia de 97,1%, Sensibilidade de 93% e Especificidade de 94%. / Lymphoma is a type of tumor that affects the human lymphatic system, which is estimated more than 60 different subtypes of cancers, derivatives of 2 large groups: Hodgkins and non-Hodgkins Lymphoma (NHL). Due to difficult classification and diagnosis, for most cases, the biopsy is the only way to tell if a lump is really lymphoma. Currently most of classifications methods for this type of lymphoma are based solely on the evaluation of an expert through the microscope help. This work aims to present an automatic method to classification of histological images of the three types of Lympoma NHL most recurrent Cell Lymphoma Mantle (LCM), Lymphoma Follicular (LF) and Chronic Lymphoid Leukemia (CLL). The method is based on the Transform Wavelet Stationary (TWE) as extracting features, the ANOVA technique as selector attributes and dimensionality reduction and classification by the classifier SVM with RBF kernel. The study used a bank of 30 histological slides of lymph nodes, from studies conducted by researchers from the National Cancer Institute and National Institute on Aging in the United States. The experiments were performed with 240 images (70 of each class), on the channels of the model color RGB and gray levels. Comparing the performance not only between the subbands generated by the SWT and Discrete Wavelet Transform (DWT) but also between the color channels and the classification of binary groups of images. The accuracy, sensitivity and specificity metrics were used. Relevant results as accuracy of 97%, 93% of Sensitivity and 94% of Specificity were obtained.

Orientador: Prof. Dr. Jesus Franklin Andrade Romero. / Tese ( doutorado)- Universidade Federal do ABC. Programa de Pós-Graduação em Energia, 2016.

Este trabalho apresenta o estudo e o desenvolvimento de um algoritmo híbrido para detecção, classificação e localização de faltas em sistemas com três terminais utilizando como principal ferramenta a transformada wavelet (TW) em suas versões discreta (TWD) e estacionária (TWE). O algoritmo é dito híbrido, pois alia duas metodologias para localizar a falta. A primeira baseada na análise de componentes de alta freqüência (ondas viajantes) e a segunda, baseada na extração dos componentes fundamentais para o cálculo da impedância aparente. A metodologia proposta foi concebida de maneira a trabalhar com dados sincronizados dos três terminais ou apenas dados locais para estimar a localização da falta. O localizador híbrido escolhe automaticamente qual a melhor técnica de localização ser utilizada para alcançar uma localização confiável e precisa. Deste modo, um método pode suprir as dificuldades do outro, ou, no mínimo, fornecer mais informações para que, junto ao conhecimento do operador, uma localização próxima da ótima possa ser alcançada. Com o objetivo de testar e validar a aplicabilidade do algoritmo de localização de faltas híbrido para linhas com três terminais, utilizou-se de dados de sinais faltosos obtidos através de simulações do software ATP (Altenative Transients Program), levando-se em conta a variação de diversos parâmetros que poderiam influenciar o desempenho do algoritmo proposto. Os resultados alcançados pelo algoritmo frente às situações avaliadas são bastante animadores, apontando a uma promissora aplicabilidade do mesmo. / This work presents a study and development of a hybrid algorithm for fault detection, classification and location in tree terminal lines based on wavelet transform (WT). It will be presented in two versions: discrete wavelet transform (DWT) and stationary wavelet transform (SWT). The algorithm is called hybrid because it uses two fault location methodologies: one based on fundamental components and other based on traveling waves. The proposed methodology works either with synchronized tree terminal data or only local data. The hybrid fault locator chooses automatically which location technique to be used in order to reach a reliable and accurate fault location. In this manner, this technique can avoid some difficulties present in other techniques, aiming to reach an optimized fault location. The proposed hybrid fault location was evaluated by simulated fault signals obtained by alternative transient program (ATP). In the tests, several parameters, which would influence the performance of the hybrid algorithm, were varied, such as: fault inception angle, fault resistance, fault type, etc. The results obtained by the proposed methodology are very encouraging and it points out to a very promising application.

Este trabalho apresenta o estudo e o desenvolvimento de um algoritmo híbrido para detecção, classificação e localização de faltas em sistemas com três terminais utilizando como principal ferramenta a transformada wavelet (TW) em suas versões discreta (TWD) e estacionária (TWE). O algoritmo é dito híbrido, pois alia duas metodologias para localizar a falta. A primeira baseada na análise de componentes de alta freqüência (ondas viajantes) e a segunda, baseada na extração dos componentes fundamentais para o cálculo da impedância aparente. A metodologia proposta foi concebida de maneira a trabalhar com dados sincronizados dos três terminais ou apenas dados locais para estimar a localização da falta. O localizador híbrido escolhe automaticamente qual a melhor técnica de localização ser utilizada para alcançar uma localização confiável e precisa. Deste modo, um método pode suprir as dificuldades do outro, ou, no mínimo, fornecer mais informações para que, junto ao conhecimento do operador, uma localização próxima da ótima possa ser alcançada. Com o objetivo de testar e validar a aplicabilidade do algoritmo de localização de faltas híbrido para linhas com três terminais, utilizou-se de dados de sinais faltosos obtidos através de simulações do software ATP (Altenative Transients Program), levando-se em conta a variação de diversos parâmetros que poderiam influenciar o desempenho do algoritmo proposto. Os resultados alcançados pelo algoritmo frente às situações avaliadas são bastante animadores, apontando a uma promissora aplicabilidade do mesmo. / This work presents a study and development of a hybrid algorithm for fault detection, classification and location in tree terminal lines based on wavelet transform (WT). It will be presented in two versions: discrete wavelet transform (DWT) and stationary wavelet transform (SWT). The algorithm is called hybrid because it uses two fault location methodologies: one based on fundamental components and other based on traveling waves. The proposed methodology works either with synchronized tree terminal data or only local data. The hybrid fault locator chooses automatically which location technique to be used in order to reach a reliable and accurate fault location. In this manner, this technique can avoid some difficulties present in other techniques, aiming to reach an optimized fault location. The proposed hybrid fault location was evaluated by simulated fault signals obtained by alternative transient program (ATP). In the tests, several parameters, which would influence the performance of the hybrid algorithm, were varied, such as: fault inception angle, fault resistance, fault type, etc. The results obtained by the proposed methodology are very encouraging and it points out to a very promising application.