Return to search

Reconhecimento e segmentação do mycobacterium tuberculosis em imagens de microscopia de campo claro utilizando as características de cor e o algoritmo backpropagation

Made available in DSpace on 2015-04-22T22:00:46Z (GMT). No. of bitstreams: 1
Pamela Campos Levy.pdf: 4863540 bytes, checksum: 820e34768b005399acf73dec3e491ae5 (MD5)
Previous issue date: 2012-08-24 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / Tuberculosis (TB) is an infectious disease transmitted by Koch's bacillus, or
Mycobacterium tuberculosis. An estimated 1.4 million people died of tuberculosis
in 2010. About 95% of these deaths occurred in developing countries, or
development. In Brazil, each year are registered more than 68,000 new cases.
Currently, Amazon is the Brazilian state with the highest incidence rate of the disease. a
of TB diagnostic methods, adopted by the Ministry of Health is examining
smear of bright field. The smear is the count of bacilli in slides
containing sputum samples of the patient, prepared and stained according to the methodology
standard. Over the past five years, research related to the recognition of bacilli
tuberculosis, using images obtained by microscopy bright field, has been carried out
with a view to automating this diagnostic method, given the fact that the number
high smear tests performed by professional induce eyestrain and
due to diagnostic errors. This paper presents a new method of
recognition and targeting of tubercle bacilli in slides fields of images,
containing pulmonary secretions of the patient, stained by Kinyoun method. From these
bacilli images of pixels and background samples were extracted for training
classifier. Images were automatically broken down into two groups, according
with substantial content. The developed method selects an optimal set of
color characteristics of the bacillus and of the background, using the method of selection
climbing characteristics. These features were used in a pixel classifier,
a multilayer perceptron, trained by backpropagation algorithm. The optimal set of
features selected, {GI, Y-Cr, La, RG, a}, from the RGB color spaces,
HSI, YCbCr and Lab, combined with the network perceptron with eighteen (18) neurons in
first layer three (3) and the second one (1) in the third (18-3-1), resulted in an accuracy
of 92.47% in the segmentation of bacilli. The image discrimination method in relation to
automated background content contributed to affirm that the method described in this paper
it is more appropriate to target bacilli images with low content density
background (more uniform background). For future work, new techniques to remove
noise present in images with high density of background content (containing background
many artifacts) should be developed. / A tuberculose (TB) é uma doença infectocontagiosa, transmitida pelo bacilo de Koch, ou
Mycobacterium tuberculosis. Estima-se que 1,4 milhões de pessoas morreram de tuberculose
em 2010. Cerca de 95% dessas mortes ocorreram em países subdesenvolvidos ou em
desenvolvimento. No Brasil, a cada ano são registrados mais de 68 mil novos casos.
Atualmente, o Amazonas é o estado brasileiro com a maior taxa de incidência da doença. Um
dos métodos de diagnóstico da TB, adotado pelo Ministério da Saúde, é o exame de
baciloscopia de campo claro. A baciloscopia consiste na contagem dos bacilos em lâminas
contendo amostras de escarro do paciente, preparadas e coradas de acordo com metodologia
padronizada. Nos últimos cinco anos, pesquisas relacionadas ao reconhecimento de bacilos da
tuberculose, utilizando imagens obtidas por microscopia de campo claro, tem sido realizadas
com vistas a automatização desse método diagnóstico, em face do fato de que o número
elevado de exames de baciloscopia realizado pelos profissionais induzirem a fadiga visual e
em consequência a erros diagnósticos. Esse trabalho apresenta um novo método de
reconhecimento e segmentação de bacilos da tuberculose em imagens de campos de lâminas,
contendo secreção pulmonar do paciente, coradas pelo método de Kinyoun. A partir dessas
imagens foram extraídas amostras de pixels de bacilos e de fundo para treinamento do
classificador. As imagens foram automaticamente discriminadas em dois grupos, de acordo
com o conteúdo de fundo. O método desenvolvido seleciona um conjunto ótimo de
características de cor do bacilo e do fundo da imagem, empregando o método de seleção
escalar de características. Essas características foram utilizadas em um classificador de pixels,
um perceptron multicamada, treinado pelo algoritmo backpropagation. O conjunto ótimo de
características selecionadas, {G-I, Y-Cr, L-a, R-G, a}, proveniente dos espaços de cores RGB,
HSI, YCbCr e Lab, combinado com a rede perceptron com 18 (dezoito) neurônios na
primeira camada, 3 (três) na segunda e 1 (um) na terceira (18-3-1), resultou em uma acurácia
de 92,47% na segmentação dos bacilos. O método de discriminação de imagens em relação ao
conteúdo de fundo automatizado contribuiu para afirmar que o método descrito neste trabalho
é mais adequado para segmentar bacilos em imagens com baixa densidade de conteúdo de
fundo (fundo mais uniforme). Para os trabalhos futuros, novas técnicas para remover os
ruídos presentes em imagens com alta densidade de conteúdo de fundo (fundo contendo
muitos artefatos) devem ser desenvolvidas.

Identiferoai:union.ndltd.org:IBICT/oai:http://localhost:tede/3292
Date24 August 2012
CreatorsLevy, Pamela Campos
ContributorsCosta, Marly Guimarães Fernandes, Costa Filho, Cícero Ferreira
PublisherUniversidade Federal do Amazonas, Programa de Pós-graduação em Engenharia Elétrica, UFAM, BR, Faculdade de Tecnologia
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFAM, instname:Universidade Federal do Amazonas, instacron:UFAM
Rightsinfo:eu-repo/semantics/openAccess
Relation-161377036298529205, 600, 600, -5930111888266832212

Page generated in 0.003 seconds