Orientador: Prof. Dr. Marcelo Zanchetta do Nascimento / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, 2015. / O câncer de próstata é o segundo que provoca o maior número de vítimas fatais entre
os homens, atingindo principalmente a população mundial com idades superiores a 60
anos. Entre os métodos empregados para o diagnóstico médico estão os exames clínicos,
laboratoriais e o diagnóstico por imagem, o que pode indicar a necessidade da biópsia
da próstata. As biópsias são avaliadas por especialistas para auxiliar na conduta mais
adequada de tratamento, desta forma o estudo por imagem histológica é realizado e se
destaca como um dos métodos utilizados devido a facilidade de diagnosticar a doença.
Porém, ainda existem problemas que precisam ser solucionados para reduzir o número
de falsos positivos. Este trabalho apresenta um conjunto de técnicas para identificar e
quantificar as regiões de interesse em imagens histológicas da próstata. As análises foram
realizadas com dimensão fractal de imagens coloridas e classificadas com SVM com os
kernels linear, polinomial e RBF. As regiões de interesses foram segmentadas em núcleos
da célula cuboide, lúmens glandulares e tecido estromal e aplicado o cálculo da dimensão
fractal. A avaliação de desempenho foi baseada na área sob a curva ROC (AUC) e pela
acurácia. Os resultados obtidos com essas ferramentas mostram que o grupo de imagens
segmentadas por estroma com magnificação de 100x obtiveram melhores resultados de
classificação, obtendo valores de AUC de 92,21% e 86,77% de acurácia para os grupos de
tecido normal versus tecido tumoral, obteve 73,53% de acurácia para o grupo tecido normal
versus tecido hiperplásico e de 80,00% para o grupo de tecido hiperplásico versus tecido
tumoral. O método proposto quantificou tecidos histológicos da próstata com descritores
baseados em técnicas não lineares multi-escala. O uso de informações dos canais de cores
em conjunto com a segmentação das estruturas foi mais relevante para um sistema de
apoio ao diagnóstico. / Prostate cancer is the second type of cancer that causes more deaths between men. It
affects mainly the population over the age of 60. Laboratory exams and diagnostic imaging
are among the methods used for medical diagnosis, which may indicate the need for a
prostrate biopsy. Biopsies are evaluated by experts in order to indicate the most appropriate
treatment strategy. Hence, the study of histological images stands out as one of the most
used methods as it allows an easier diagnosis. However, there are still problems that
need to be addressed to reduce the number of false positives. This work presents a set of
techniques to identify and quantify regions of interest in histological images of the prostate.
Color and greyscale images were analysed using fractal dimension then classified in SVM
with linear, polynomial and RBF kernels. Regions of interest were segmented in basal cell
cuboid, glandular lumens and stromal tissue and then a fractal dimension was applied.
Performance evaluation was based on the area under the ROC curve(AUC) and accuracy.
The results obtained by applying these tools show that images segmented by stroma with
a magnification of 100x had better classification results, achieving AUC values of 92.21%
and 86.77% accuracy for the normal tissue groups versus tumor tissue. Also, in this group
of images a level of accuracy of 73.53% for hyperplastic tissue versus normal tissue and
80.00% for hyperplastic tissue versus tumor tissue. The method quantified histological
prostate tissue with multi-scale techniques based on nonlinear descriptors. Therefore, the
use of information from color channels together with the segmented structures are most
relevant to a diagnostic support system.
Identifer | oai:union.ndltd.org:IBICT/oai:BDTD:76905 |
Date | January 2015 |
Creators | Rezende Junior, Ricardo Agostinho de |
Contributors | Amate, Flavio Cezar, Kamienski, Carlos Alberto, Nascimento, Marcelo Zanchetta do |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf, 84 f. : il. |
Source | reponame:Repositório Institucional da UFABC, instname:Universidade Federal do ABC, instacron:UFABC |
Rights | info:eu-repo/semantics/openAccess |
Relation | http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=76905&midiaext=70110, http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=76905&midiaext=70109, Cover: http://biblioteca.ufabc.edu.brphp/capa.php?obra=76905 |
Page generated in 0.0013 seconds