Reconhecimento e segmenta????o do mycobacterium tuberculosis em imagens de microscopia de campo claro utilizando as caracter??sticas de cor e o algoritmo backpropagation

Autor: Levy, Pamela Campos
Přispěvatelé: Costa, Marly Guimar??es Fernandes, Costa Filho, C??cero Ferreira
Jazyk: portugalština
Rok vydání: 2012
Předmět:
Zdroj: Biblioteca Digital de Teses e Dissertações da UFAM
Universidade Federal do Amazonas (UFAM)
instacron:UFAM
Popis: 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 - Funda????o de Amparo ?? 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) ?? uma doen??a infectocontagiosa, transmitida pelo bacilo de Koch, ou Mycobacterium tuberculosis. Estima-se que 1,4 milh??es de pessoas morreram de tuberculose em 2010. Cerca de 95% dessas mortes ocorreram em pa??ses subdesenvolvidos ou em desenvolvimento. No Brasil, a cada ano s??o registrados mais de 68 mil novos casos. Atualmente, o Amazonas ?? o estado brasileiro com a maior taxa de incid??ncia da doen??a. Um dos m??todos de diagn??stico da TB, adotado pelo Minist??rio da Sa??de, ?? o exame de baciloscopia de campo claro. A baciloscopia consiste na contagem dos bacilos em l??minas contendo amostras de escarro do paciente, preparadas e coradas de acordo com metodologia padronizada. Nos ??ltimos cinco anos, pesquisas relacionadas ao reconhecimento de bacilos da tuberculose, utilizando imagens obtidas por microscopia de campo claro, tem sido realizadas com vistas a automatiza????o desse m??todo diagn??stico, em face do fato de que o n??mero elevado de exames de baciloscopia realizado pelos profissionais induzirem a fadiga visual e em consequ??ncia a erros diagn??sticos. Esse trabalho apresenta um novo m??todo de reconhecimento e segmenta????o de bacilos da tuberculose em imagens de campos de l??minas, contendo secre????o pulmonar do paciente, coradas pelo m??todo de Kinyoun. A partir dessas imagens foram extra??das amostras de pixels de bacilos e de fundo para treinamento do classificador. As imagens foram automaticamente discriminadas em dois grupos, de acordo com o conte??do de fundo. O m??todo desenvolvido seleciona um conjunto ??timo de caracter??sticas de cor do bacilo e do fundo da imagem, empregando o m??todo de sele????o escalar de caracter??sticas. Essas caracter??sticas foram utilizadas em um classificador de pixels, um perceptron multicamada, treinado pelo algoritmo backpropagation. O conjunto ??timo de caracter??sticas selecionadas, {G-I, Y-Cr, L-a, R-G, a}, proveniente dos espa??os de cores RGB, HSI, YCbCr e Lab, combinado com a rede perceptron com 18 (dezoito) neur??nios na primeira camada, 3 (tr??s) na segunda e 1 (um) na terceira (18-3-1), resultou em uma acur??cia de 92,47% na segmenta????o dos bacilos. O m??todo de discrimina????o de imagens em rela????o ao conte??do de fundo automatizado contribuiu para afirmar que o m??todo descrito neste trabalho ?? mais adequado para segmentar bacilos em imagens com baixa densidade de conte??do de fundo (fundo mais uniforme). Para os trabalhos futuros, novas t??cnicas para remover os ru??dos presentes em imagens com alta densidade de conte??do de fundo (fundo contendo muitos artefatos) devem ser desenvolvidas.
Databáze: OpenAIRE
Externí odkaz: